一种基于特征选择算法的网络入侵检测方法

摘要

本发明公开了一种基于特征选择算法的网络入侵检测方法，包括如下步骤：1：使用QBSO‑FS算法，对NSL‑KDD数据在多种机器学习模型上的分类效果进行优化，获得优化子集；2：使用步骤1得到的优化子集，联合决策出新的特征子集；3：使用步骤2得到新的特征子集作为输入，用于复杂机器学习模型分类使用。本发明方法是基于QBSO‑FS和机器学习的入侵检测方法，原始数据经过特征选择后在普通机器学习算法中分类精度有效提升，在融合多种机器学习算法分类的最优特征子集后，数据集在高性能机器学习分类算法上表现优于一般特征选择算法；通过使用特征选择来提升机器学习算法的分类精度，适用于物联网环境下设备计算资源不多的情况，实际布控可行性是高于复杂的深度学习模型的。