入侵检测中的快速特征选择方法.pdfVIP

第 36卷 第6期 计 算 机 工 程 2010年 3月 VoL36 No6 ComputerEngineering M arch2010 · 开发研究与设计技术 · 文章编号：lo0_3428(201o)06_-o262__03 文献标识码：A 入侵检测中的快速特征选择方法 郑洪英，侯梅菊，王 i峨r (重庆大学计算机科学与工程学院，重庆 40003 摘 要：进行入侵检测前必须分析输入数据的特征。使用粒子群优化算法对特征进行选择，消除冗余属性、降低问题规模、提高数据分类 质量、加快数据处理速度。用二进制字符串序列表示粒子位置，阐述位置和速度的更新策略以及适应度函数的选择。在KDDCUP1999数 据集上进行实验，结果表明与遗传进化算法相比，该方法可以更有效地精简特征，提高分类质量。 关健词：粒子群优化算法；特征选择；入侵检测；最优化 FastM ethodforFeatureSelectioninIntrusionDetection ZHENGHong-ying，HOUMei-ju，WANGYu (SchoolofComputerScienceandEngineering，ChongqingUniversity，Chongqing400030) [Abstract]ItisnecessarytoanalyzefeatureofinputdatabeforeintrusiondetectionThispaperusesParticleSwarmOptimization(PsO)algorithm toselectfeature，eliminatetheredundancyproperty，reducetheproblem size，improvethequalityofdataclassificationandspeeduptheprocess．The positionoftheparticleisexpressedinabinarystring．Theupdatestrategiesoftheposition，velocity andtheselection offitnessfunctionare illustrated．Th eexperimentswithKDDCUP1999andcomparativeresultswithGeneticAlgorithm(GA)aredescribed．Itshowsthathtemehtodis moreefficientforfeatureselectionandclassificationqualityimprovement． [Keywords]PraticleSwarmOptimizati)【Jl(Ps0)algorithm；featureselection；intrusiondetection；optimization 1 概述 E(t+1)：c O)+cJrt(PAt)～XO))+C2(O)一xf(f)) (1) 入侵检测的数据源通常来 自系统和应用程序的审计 日志 x (f十1)=x “)+ +1) (2) 以及网络中的数据包等，此类原始数据通常包含几十个特征， 其中，学习因子 c。，Cz是非负常数，通常Cl=c2=2； ，r2是介 如果直接将它们运用到一些分类算法中，将导致分类速度缓 于 0【，1]之问的随机数； 是惯性权重，主要用来控制上次速 慢，甚至无法进行。因此，寻找大量特征之间的相关性，发 度对当前速度的影响。 [一 ， 】， 是用户设定的 现其中的冗余信息，是入侵检测数据预处理需要解决的问题。 常数。PSO算法流程如图 1所示。 粒子群优化(ParticleSwarmOpt