基于CEGA-SVM的网络入侵检测算法.pdfVIP

第35卷 第23期 计 算 机 工 程 2009年 12月 VoL35 No．23 ComputerEngineering December 2009 · 安全技术 · 文jII_{ — 丽 ■ ——— 基于CEGA．SVM 的网络入侵检测算法 赵 军 (江苏食品职业技术学院计算机应用技术系，淮安 223004) 摘 要：针对传统遗传算法在网络入侵检测中存在分类复杂的问题，提出结合条件熵遗传算法(cEGA)和支持向量机(svM)的网络入侵检测 算法。将入侵特征的抽取和分类模型的建立进行联合优化，同时利用训练数据的统计特性指导入侵特征的抽取，并对特征空间进行线性变 换，得到优化的特征子集和分类模型，在提高分类检测率的同时降低检测时延。 关t诃：入侵检测 ；遗传算法；支持向量机 NetworkIntrusionDetectionAlgorithm BasedonCEGA-SVM ZHA0 Jun (DepartmentofComputerAppliedTechnology,JiangsuFoodScienceCollege，Huai’an223004) [Abstract]Duetothecomplexclassificationproblemsfromthetraditionalgeneticalgorithmintheprocessofnetworkintrusiondetection，this paperproposesthenetworkintrusiondetectionalgorihtm combniedConditionalEntropyGeneticAlgorihtm(CEGA)andtheSupportVectorMachine (SVM)．Tooptimizejointlytheinvasionoffeatureextractionandclassificationmodel，whiletakingadvanatgeofthesattisticalcharacteristicsof trainingdaat toguidethenivasionfeatureexrtaction，andaccordingtohtefeaturespacelnieartransformationtoobtaintheoptimalfeaturesubsetand theclassificationmodel，asimprovnigtheclassificationtestrates，thedetectionlatencyisreduced． [Keywords]intrusiondetection；geneticalgorihtm；SupportVectorMachine(SVM) 1 概述 I(×W)+bl≥1一毒 (3) 网络入侵检测本质上是一个分类问题 ：区分待检测数据 其中，c是一个正常数，代表对错分的惩罚因子。 为攻击或正常。解决这个分类问题 ，主要应考虑入侵特征的 网络入侵检测模型的学习问题与一般的学习问题相比存 选取和分类模型的建立 ¨。】。文献[4．5】采用遗传算法进行入侵 在其特殊性。训练样本的获取十分不易，在实际运行情况下， 特征的抽取。文献5【]提出一个基于机器学习的网络入侵检测 某些特殊攻击样本的训练数据可能会非常少，因此，入侵检 框架，将遗传算法用于特征抽取，采用支持向量机在抽取后 测问题是典型的小样本问题。与传统的统计学相比，SVM 更 的入侵特征上建立检测模型。文献 6【]提出将特征抽取和分类 注重来 自样本本身的信息而非