一种快速特征选择方法及其在入侵检测中的应用

摘要

网络入侵检测数据往往含有大量的不相关性或冗余性,使模型训练和检测需耗费大量计算。特征选择可去除不相关特征和冗余特征,在不降低模型正确性的同时提高检测效率。提出一种基于数据不一致率的快速特征选择方法,根据不同特征子集划分数据集的不一致率大小,直接选择最优特征集,消除不相关及冗余的特征。最后利用KDD99入侵检测数据集实验测试,通过与基于数据相关性的特征选择方法的对比分析,说明了基于数据不一致率方法的高效性。