基于互信息特征选择和LSSVM的网络入侵检测系统

基于互信息特征选择和LSSVM的网络入侵检测系统

庄夏

【摘要】为提高网络入侵检测系统（IDS）的性能，提出一种基于互信息特征选择和LSSVM的入侵检测方案（BMIFSLSSVM）。将采集到的网络连接数据进行规范化处理，并提出一种权衡考虑特征相关性和冗余性的新型互信息特征选择（BMIFS）方法，以此从网络连接数据中选择出有效特征集。根据提取的训练样本特征集，利用最小二乘支持向量机（LSSVM）构建分类器和简化粒子群优化（SPSO）算法来优化LSSVM的核函数宽度系数和正则化参数，最后利用训练好的分类器进行入侵检测。仿真结果表明：提出的BMIFS能够选择出最优特征集，使BMIFS-LSSVM提高入侵检测准确率且降低误报率。

【期刊名称】中国测试

【年(卷),期】2017(043)011

【总页数】6

【关键词】网络入侵检测；互信息特征选择；最小二乘支持向量机；简化粒子群优化

0 引言

随着网络技术的发展，计算机网络面临的安全问题越来越严重。但由于网络安全漏洞的不断增加，当前计算机网络具备的防火墙、统一威胁管理系统等安全应用已不能实现高安全性[1]。为此，需要一种高效的网络入侵检测系统（intrusion detection system，IDS）[2]。近些年，学者提出了多种IDS，主要可分为3类：基于数据统计的IDS，基于数据挖掘的IDS和基于机器学习的IDS。其中，机器学习方法是基于对数据的智能学习来构建分类器，其检测性