基于量子进化算法网络入侵检测特征选择.docVIP

基于量子进化算法网络入侵检测特征选择 　　摘要： 针对当前网络入侵检测中普遍存在检测速度较慢的缺陷，提出了一种新的网络入侵检测特征选择方法。该方法将量子进化算法应用于网络入侵检测的特征选择，从网络连接的原始特征属性中选出一组有效的特征用于入侵检测，以提高检测效率。首先以增强寻优性能为目标改进了量子进化算法，基于特征属性的Fisher比构造了特征子集的评价函数，然后按照量子进化算法的流程设计了网络入侵检测特征选择算法。通过KDD99样本数据集的实验，表明算法是有效的，既保证了入侵检测的分类性能，也提高了入侵检测的效率。 关键词： 网络入侵检测；特征选择；量子进化算法；Fisher比 0引言 随着网络规模的扩大和网络应用的普及，针对网络的攻击事件越来越多，这些攻击轻则使人们无法正常使用网络，重则带来严重的后果，网络安全已经成为一个全球性关注的问题。网络入侵检测是基于主动防御策略的新一代网络安全技术，它通过分析网络连接中的特征属性来检测是否存在入侵行为，是目前网络安全领域中的重要技术。然而随着网络速度的提升，网络入侵检测面临的一个突出问题是无法实时处理网络传输中海量的数据包。相关研究表明，网络入侵检测时提取和分析处理过多的网络连接特征信息是导致检测速度下降的主要原因之一。据此，一些学者通过特征选择来降低网络连接的特征维数，以解决网络入侵检测中低检测速度的问题，取得了一些成果[1-2]。近年来国内的一些研究者将网络入侵检测的特征选择转化为优化问题，采用优化算法来获得特征子集后用于入侵检测，如文献[3-4]分别使用遗传算法和模拟退火算法来选择特征子集；文献[5-6]使用粒子群算法来获取特征子集，这些特征子集与原始特征集合相比，能够提高入侵检测的效率。然而由于网络连接数据结构比较复杂，特征维数较高，从网络连接的原始特征集合中选择有效的特征子集是具有NP难度的组合优化问题，致使这些优化算法的寻优性能受到限制，难以得到有效的特征子集，因此其综合检测性能仍然有待提高。 量子进化算法（Quantum Evolutionary Algorithm，QEA） 是量子计算理论与进化计算原理相结合的产物，是一种新发展起来的智能优化算法[7]。QEA独特的编码和进化机制，使其在求解组合优化问题中显现出优越的性能。本文使用QEA来选择网络连接中的特征属性，利用QEA的全局寻优能力对特征空间进行全面搜索，剔除无关的、冗余的特征属性，获得最优特征子集用于入侵检测，以提高检测效率。 4结语 网络数据包中含有大量无关的、冗余的特征信息，如果使用其全部特征来进行入侵检测，将会降低检测效率，据此本文使用量子进化算法来减少网络连接中的特征维数，提出了基于改进量子进化算法的特征选择算法。在KDD99数据集的实验中，算法可以选出10维左右的特征子集，与原始特征集比较，使用特征子集在建立入侵检测模型和入侵检测的效率上都有显著提高，并且算法的特征选择效率要优于文献[3]算法。算法的不足之处是选出的特征子集在两次入侵检测实验中的误报率表现都不具优越性，这是今后需要进一步研究之处。 参考文献： [1] DARTIQUE C， JANG H， ZENG W. A new datamining based approach for network intrusion detection[C]// Proceedings of the 7th Annual Conference on Communication Networks and Services Research. Washington， DC： IEEE Computer Society， 2009： 372-377. [2] ZAMAN S， KARRAY F. Lightweight IDS based on features selection and IDS classification scheme[C]// Proceedings of the 12th International Conference on Computational Science and Engineering. Washington， DC： IEEE Computer Society， 2009： 365-370. [3] 朱红萍， 巩青歌， 雷战波. 基于遗传算法的入侵检测特征选择[J]. 计算机应用研究， 2012， 29（4）： 1417-1419. [4] 李超， 李文法， 段?毅. 用于网络入侵检测的VFSAC4.5特征选择算法[J]. 高技术通讯， 2011， 21（12）： 1420-1425. [5] 郑洪英，