遗传算法同步选择特征和支持向量机参数的网络入侵检测.pdfVIP

第３１卷第３期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．３ ２０１４年３月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｒ．２０１４ 遗传算法同步选择特征和支持向量机参数的网络入侵检测 李 学 峰 （青海广播电视大学　青海西宁 ８１０００８） 摘　要　　针对入侵检测系统产生的高维数据和支持向量机参数优化问题，提出一种遗传算法同步选择特征和支持向量机参数的 网络入侵检测模型。首先将特征子集和支持向量机参数编码成染色体，将网络入侵检测的分类准确率作为种群个体的适应度值，然 后通过遗传算法的全局搜索能力，同步找到对分类算法最有影响的特征组合和支持向量机最优参数，最后采用ＫＤＤ９９数据集进行 仿真实验。结果表明，该模型可以快速找到最优特征子集和支持向量机参数，提高了网络入侵检测正确率，是一种较好的网络入侵 检测算法。 关键词　　特征选择　入侵检测　遗传算法　支持向量机 中图分类号　ＴＰ３９３．０８　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０３．０７９ ＮＥＴＷＯＲＫＩＮＴＲＵＳＩＯＮＤＥＴＥＣＴＩＯＮＷＩＴＨＧＥＮＥＴＩＣＡＬＧＯＲＩＴＨＭ ＳＹＮＣＨＲＯＮＯＵＳＳＥＬＥＣＴＩＮＧＦＥＡＴＵＲＥＡＮＤＳＶＭＰＡＲＡＭＥＴＥＲＳ ＬｉＸｕｅｆｅｎｇ （ＱｉｎｇｈａｉＲａｄｉｏａｎｄＴｅｌｅｖｉｓｉｏｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉｎｉｎｇ８１０００８，Ｑｉｎｇｈａｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＡｉｍｉｎｇａｔｔｈｅｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｄａｔａｇｅｎｅｒａｔｅｄｂｙｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｓａｎｄＳＶＭｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍｓ，ｔｈｅ ｐａｐｅｒｐｕｔｓｆｏｒｗａｒｄａｎｅｔｗｏｒｋｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｍｏｄｅｌｗｉｔｈｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓｙｎｃｈｒｏｎｏｕｓｓｅｌｅｃｔｉｎｇｆｅａｔｕｒｅａｎｄＳＶＭｐａｒａｍｅｔｅｒｓ．Ａｔｆｉｒｓｔｔｈｅ ｆｅａｔｕｒｅｓｕｂｓｅｔｓａｎｄＳＶＭｐａｒａｍｅｔｅｒｓａｒｅｃｏｄｅｄａｓｃｈｒｏｍｏｓｏｍｅ，ａｎｄｔｈｅｎｅｔｗｏｒｋｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｃａｔｅｇｏｒｉｚｅｄａｃｃｕｒａｃｙｉｓｔａｋｅｎａｓｇｒｏｕｐｅｄ ｉｎｄｉｖｉｄｕａｌｆｉｔｎｅｓｓｄｅｇｒｅｅｖａｌｕｅ．Ｔｈｅｎｄｅｐｅｎｄｉｎｇｏｎｔｈｅｇｌｏｂａｌｓｅａｒｃｈａｂｉｌｉｔｙｏｆｔｈｅｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ，ｉｔｓｙｎｃｈｒｏｎｏｕｓｌｙｆｉｎｄｓｏｕｔｆｅａｔｕｒｅｃｏｍｂｉ ｎａｔｉｏｎｓｔｈａｔｍｏｓｔｉｎｆｌｕｅｎｃｅｔｈｅｃａｔｅｇｏｒｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄｔｈｅＳＶＭｏｐｔｉｍａｌｐａｒａｍｅｔｅｒｓ．ＡｔｌａｓｔｉｔｕｓｅｓＫＤＤ９９ｄａｔａｓｅｔｓｔｏｃａｒｒｙｏｕｔｓｉｍｕｌａ ｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓ．ＲｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｏｄｅｌｃａｎｑｕｉｃｋｌｙｆｉｎｄｔｈｅｏｐｔｉｍａｌｆｅａｔｕｒｅｓｕｂｓｅｔａｎｄＳＶＭｐａｒａｍｅｔｅｒｓａｎｄｔｈｅｎｅｔｗｏｒｋｉｎｔｒｕｓｉｏｎｄｅ ｔｅｃｔｉｏｎａｃｃｕｒａｃｙｒａｔｉｏｉｓｉｍｐｒｏｖｅｄ，ｓｏｔｈａｔｉｔｉｓｒｅｇａｒｄｅｄａｓａｇｏｏｄｎｅｔｗｏｒｋｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ　　Ｆｅａｔｕｒｅｓｅｌｃｔｉｏｎ　Ｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎ　Ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ　ＳＶＭ 意的模型参数［８］。同时，当前一些研究只对特征子集和ＳＶＭ参 ０　引　言 数进行单目标优化，实际上ＳＶＭ核参数和网络入侵特征子集是 相互影响的，两者共同