發(fā)布時間：2018-01-20 11:04

  本文關鍵詞： 入侵檢測 特征選擇 Re-ReliefF 互信息　出處：《激光雜志》2016年06期 　論文類型：期刊論文

【摘要】：針對入侵檢測領域計算復雜、時間復雜度高的難題,本文通過添加入侵特征間的相關度量準則,進一步改進Re-ReliefF入侵特征選擇方法,增強區(qū)分特征間互信息的能力,達到更有效降維。目標是在改進ReReliefF算法的基礎上,實現(xiàn)更佳的入侵檢測效果。實驗采用KDD CUP 99數(shù)據(jù)集,對數(shù)據(jù)的41維特征進行選擇,采用支持向量機作為分類器,結果表明所提出的改進方法在分類的耗時和準確率略好的情況下,提高27%的誤報率。
[Abstract]:Aiming at the difficult problem of complex computation and high time complexity in intrusion detection field, this paper further improves the Re-ReliefF intrusion feature selection method by adding correlation metrics among intrusion features. Enhance the ability to distinguish mutual information between features to achieve more effective dimensionality reduction. The goal is to improve the ReReliefF algorithm on the basis of. The experiment adopts KDD CUP 99 dataset to select the 41-dimensional feature of the data, and uses support vector machine as classifier. The results show that the proposed method can increase the false positive rate by 27% when the classification time and accuracy are better.
【作者單位】： 新疆大學信息科學與工程學院;
【基金】：國家自然科學基金項目(61163052;61303231;61433012);國家自然科學基金聯(lián)合基金項目(U1435215)
【分類號】：TP393.08
【正文快照】： bol_mail@163.com大數(shù)據(jù)時代的到來,網(wǎng)絡數(shù)據(jù)量與日俱增,導致入侵檢測面臨更大的處理時間和檢測效率的壓力。如何結合實際需求使系統(tǒng)降低計算復雜和時間復雜度,提高檢測準確率和效率,是網(wǎng)絡入侵檢測亟須解決的問題。特征選擇是模式識別、機器學習中常用的數(shù)據(jù)預處理方法,能夠

【相似文獻】

相關期刊論文 前10條

1 吉小軍,李世中,李霆;相關分析在特征選擇中的應用[J];測試技術學報;2001年01期

2 賈沛;桑農;唐紅衛(wèi);;一種改進的類別依賴型特征選擇技術[J];計算機與數(shù)子工程;2003年06期

3 靖紅芳;王斌;楊雅輝;徐燕;;基于類別分布的特征選擇框架[J];計算機研究與發(fā)展;2009年09期

4 吳洪麗;朱顥東;周瑞瓊;;使用特征分辨率和差別對象對集的特征選擇[J];計算機工程與應用;2010年16期

5 楊藝;韓德強;韓崇昭;;基于排序融合的特征選擇[J];控制與決策;2011年03期

6 李云;;穩(wěn)定的特征選擇研究[J];微型機與應用;2012年15期

7 錢學雙;多重篩選逐步回歸特征選擇法及其應用[J];信息與控制;1986年05期

8 宣國榮;柴佩琪;;基于巴氏距離的特征選擇[J];模式識別與人工智能;1996年04期

9 范勁松,方廷健;特征選擇和提取要素的分析及其評價[J];計算機工程與應用;2001年13期

10 王新峰;邱靜;劉冠軍;;基于特征相關性和冗余性分析的機械故障特征選擇研究[J];中國機械工程;2006年04期

相關會議論文 前10條

1 靖紅芳;王斌;楊雅輝;;基于類別分布的特征選擇框架[A];第四屆全國信息檢索與內容安全學術會議論文集（上）[C];2008年

2 李長升;盧漢清;;排序學習模型中的特征選擇[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

3 劉功申;李建華;李生紅;;基于類信息的特征選擇和加權方法[A];NCIRCS2004第一屆全國信息檢索與內容安全學術會議論文集[C];2004年

4 倪友平;王思臣;馬桂珍;陳曾平;;分支界定算法在低分辨雷達飛機架次判別中的應用[A];第十三屆全國信號處理學術年會（CCSP-2007）論文集[C];2007年

5 李澤輝;聶生東;陳兆學;;應用多類SVM分割MR腦圖像特征選擇與優(yōu)化的實驗研究[A];中國儀器儀表學會第九屆青年學術會議論文集[C];2007年

6 蒙新泛;王厚峰;;主客觀識別中的上下文因素的研究[A];中國計算機語言學研究前沿進展（2007-2009）[C];2009年

7 萬京;王建東;;一種基于新的差異性度量的ReliefF方法[A];2009年研究生學術交流會通信與信息技術論文集[C];2009年

8 范麗;許潔萍;;基于GMM的音樂信號音色模型研究[A];第四屆和諧人機環(huán)境聯(lián)合學術會議論文集[C];2008年

9 陳友;戴磊;程學旗;;基于MRMHC-C4．5的IP流分類[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

10 申f;楊宏暉;袁帥;;用于水聲目標識別的互信息無監(jiān)督特征選擇[A];第三屆上�！�—西安聲學學會學術會議論文集[C];2013年

相關博士學位論文 前10條

1 李靜;高維數(shù)據(jù)交互特征選擇和分類研究[D];燕山大學;2015年

2 劉風;基于磁共振成像的多變量模式分析方法學與應用研究[D];電子科技大學;2014年

3 王石平;粗糙擬陣及其在高維數(shù)據(jù)降維中的應用研究[D];電子科技大學;2014年

4 代琨;基于支持向量機的網(wǎng)絡數(shù)據(jù)特征選擇技術研究[D];解放軍信息工程大學;2013年

5 王博;文本分類中特征選擇技術的研究[D];國防科學技術大學;2009年

6 張明錦;基于特征選擇的多變量數(shù)據(jù)分析方法及其在譜學研究中的應用[D];華東理工大學;2011年

7 高青斌;蛋白質亞細胞定位預測相關問題研究[D];國防科學技術大學;2006年

8 馮國忠;文本分類中的貝葉斯特征選擇[D];東北師范大學;2011年

9 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學習研究[D];清華大學;2004年

10 王鋒;基于粒化機理的粗糙特征選擇高效算法研究[D];山西大學;2013年

相關碩士學位論文 前10條

1 周瑞;基于支持向量機特征選擇的移動通信網(wǎng)絡問題分析[D];華南理工大學;2015年

2 張金蕾;蛋白質SUMO化修飾位點預測的數(shù)據(jù)挖掘技術研究[D];西北農林科技大學;2015年

3 陳云風;基于聚類集成技術的高鐵信號故障診斷研究[D];西南交通大學;2015年

4 張斌斌;網(wǎng)絡股評的傾向性分析[D];中央民族大學;2015年

5 季金勝;高分辨率遙感影像典型地物目標的特征選擇及其穩(wěn)定性研究[D];上海交通大學;2015年

6 袁玉錄;基于數(shù)據(jù)分類的網(wǎng)絡通信行為建模方法研究[D];電子科技大學;2015年

7 王虎;基于試驗設計的白酒譜圖特征選擇及支持向量機參數(shù)優(yōu)化研究[D];南京財經(jīng)大學;2015年

8 王維智;基于特征提取和特征選擇的級聯(lián)深度學習模型研究[D];哈爾濱工業(yè)大學;2015年

9 皮陽;基于聲音的生物種群識別[D];電子科技大學;2015年

10 劉樹龍;特征選擇在軟件缺陷預測中的應用技術研究[D];南京大學;2015年

，

本文編號：1447960