一种代价敏感的入侵特征选择算法 Intrusion Feature Selection Algorithm with Cost Sensitive.pdfVIP

第24卷第4期 电力科学与工程 V01．24。No．4 EIectricPowerScience曩nd Jun．，2008 2008年6月 Engineering 一种代价敏感的入侵特征选择算法 秦亮，薛巧丽，王保义 (华北电力大学计算机科学与技术学院，河北保定071003) 摘要：入侵特征选择可以有效地提高入侵检测系统的正确率及检测速度．在分析了现有的入侵特征选择算 法只考虑特征个数和特征子集分类能力的缺陷后，提出一种代价敏感的入侵特征选择算法．该算法基于免 疫克隆选择与粗糙集，在分析特征子集的执行代价的基础上，提出以执行代价和分类能力作为亲和度函数 CUP 指导的免疫克隆进化算法．在KDD 99数据集上进行了测试，测试结果证明该算法可以有效地提高分 类准确性，降低入侵检测系统的执行代价． 关键词：特征选择；入侵检测；克隆选择；执行代价 中图分类号：TP393文献标识码：A 征子集就是最容易获取的，也不能说使用这个特征 O 引 言 子集进行检测的计算复杂度就会必然低于其他特征 个数多的特征子集。为了更好地定义入侵特征的度 随着计算机网络技术的发展，网络安全日益成 量标准，本文引入了特征的执行代价作为评价特征 为人们关注的焦点。大部分现有的入侵检测系统使 子集一个标准，基于免疫克隆选择算法与粗糙集理 用全部的特征来检测入侵。大量的特征虽然可以在 论，提出一种新的代价敏感的入侵特征选择算法。 一定程度上提高分析准确性，但是也会增大系统的 时间与空间复杂度。由于时间开销对于实时入侵检 1 相关概念及结论 测系统是非常重要的，所以删除多余的和对分析结 果贡献较小的特征对于提高入侵检测系统的性能有 1．1执行代价 重要意义。研究表明，特征选择可以有效提高入侵 在入侵检测系统中，一部分特征的收集将比其 他特征的收集付出更高的代价，然而这些昂贵的特 检测的准确率n一】。文献[1]使用fisher准则作为特 征属性子集分类能力的判别规则，将特征属性作为 征却包含了更多的对入侵检测有意义的信息。执行 图的节点，使用蚁群算法在节点之间进行随机搜索， 代价考虑的主要问题是抽取和测试被监控的数据流 根据nsher准则得到最优的特征子集。文献【2】中使时所耗费的时间量和计算资源。将执行代价与时间 用了遗传算法进行特征选择，由于其适应度函数使 联系起来主要是因为实时IDS必须在入侵的进行 用了KNN方法使得算法的计算准确性有了很大提过程中检测到入侵并做出反应。把计算资源列入考 虑范围的原因是一项资源在同一时间只能被一个任 高。虽然这种wrapper方法的计算复杂度相对较大， 但也为使用进化类算法进行入侵特征选择提供了良 务占用，而资源是有限的，所以它也是影响执行代 · 好的思路。文献【3】中使用了主成分分析的方法，得 价的一个重要因素。在过去抽取和构造特征分析的 到了一组新的特征。这些方法“卅只是考虑了特征子 基础上，将执行代价分为4个等级p1： 集的分类能力和特征个数，都默认每个特征的获取 第l级：能够从第一个包中计算的特征。如： 及计算的难度都是相同的。但是事实并非如此，入 ser、，ice类型。 侵的特征获取的难度有着很大的不同，计算复杂度 第2级：可以在一个连接的生命周期内任意点 也都不相同，所以特征个数少并不代表得到这个特 计算出的特征。 收稿日期：2007—08—21． 作者简介：秦亮(1978一)，男，华北电力大学计算机科学与技术学院硕士研究生 万方数据 第4期