入侵检测系统中基于PCA和C-SSGA的双向数据压缩.pdfVIP

第41卷 第 9期 哈 尔 滨 工 业 大 学 学 报 Vo1．41 No．9 2009年9月 JOURNAL0FHARBIN INSTITUrE0FTECHNOLOGY Sep．2009 入侵检测系统中基于PCA和 C．SSGA的双向数据压缩 朱永宣，单 莘，郭 军 (北京邮电大学 信息工程学院，北京 100876，zhuyongxuan@126．com) 摘 要：针对入侵检测数据中的冗余特征和冗余实例，提出一种基于主成分分析和混合稳态遗传算法的双 向数据压缩方法．利用主成分分析对特征进行压缩，有效地去除特征之间的冗余性；用混合稳态遗传算法进 行实例压缩，大大缩减了实例的数量；提出一个基于神经网络的入侵检测系统模型，该模型具有多分类、易于 更新系统及快速适应新型入侵的特点．在 KDDCUP’99上的实验表明，提出的方法是有效的，可以用于处理 大数据集 的压缩 问题． 关键词：入侵检测系统；混合稳态遗传算法；主成分分析；神经网络 中图分类号：TP391．4 文献标识码 ：A 文章编号：0367—6234(2009)09—0123—05 BidirectionaldatareductionbasedonPCA and combined SSGA inintrusiondetectionsystem ZHUYong—xuan，SHANXin，GUOJun (SchoolofInformationEngineering，BeijingUniversityofPostsandTelecommunications，Beijing100876，China， zhuyongxuan@126．corn) Abstract：Aimedattheredundantfeaturesinintrusiondetectiondataandredundantinstancesinintrusionde— tectionsystem，abidirectionaldatareductionmethodbasedontheprincipalcomponentanalysis(PCA)and combinedsteady—stategeneticalgorithm isproposed．Firstly，PCA isemployedtoreducethefeaturesandthe redundantfeaturesareremovedeffectively．Thenthecombinedsteady—stategeneticalgorithm isusedtoreduce thenumberofinstances．A modelofintrusiondetection system basedonneuralnetworksispresented．The modelcharacterizesitselfinmuticlassificationsandeasyupdatingfortheadaptationtonew intursionmodes． ExperimentsonKDD CUP’99validatetheeffectivenessofthismethod．Itisindicatedthattheproposedbidi— rectionaldatareductionmethodcanbeusedtodealwiththereductionofbigdataset． Keywords：intrusiondetectionsystem；combinedsteady—stategeneticalgorithm (C—SSGA)；principalcom— ponentanalysis(PCA)；neuralnetworks 模式识别方法用在入侵检测系统中，可以检 练数据进行特征和实例的双向数据压缩．目前，常 测到已有的攻击或新的攻击 ，取得 了比较好的入 用基于聚类的方法来处理冗余的数据 ，但是该方 侵检测效果．但 由于