一种面向网络入侵检测的特征选择方法

摘要

在网络入侵检测中，不相关或冗余的特征使得检测变得越来越困难，为了提高检测的精度和效率，提出了一种新的网络入侵检测的特征选择方法．该方法首先利用粗糙集理论的特性对特征进行筛选;然后利用遗传算法在解决NP问题上的并行性、鲁棒性和全局优化搜索等特点，在剩余的特征子集中寻找最优子集．考虑到早熟问题会使遗传算法陷入局部最优，采用对种群聚类的方式建立自适应的交叉、变异率，种群个体交叉时在不同的类内随机选择从而保证群体多样性，每次迭代均保留父代的最优个体．在入侵检测的经典数据集KDD CUP 99上检验了算法的有效性，使用SVM分类器对选出的特征子集进行性能评估．实验结果表明，该方法与相关研究对比提高了入侵检测系统的精度和效率．