决策树入侵检测模型中基于改进PIO的特征选择算法

摘要：

在基于决策树的入侵检测模型中,入侵检测数据集中冗余和不相关的特征字段影响分类器的性能,存在训练效率低下的问题.提出一种改进的鸽子启发优化(pigeon-inspired optimization,PIO)算法(称为Jaccardcrossover PIO,JCPIO)来优化减少入侵检测数据集的特征字段.JCPIO使用PIO算法实现特征字段的选择优化,其中,通过Jaccard相似度定义鸽子速度,对鸽子个体进行离散二值化,通过在landmark算子操作中引入交叉操作,增加解空间的多样性,找到全局最优解.实验结果表明,JCPIO在保证入侵检测模型准确性的前提下,将原始数据集中的数据量减少了 82.9％,增加了模型的训练效率;与传统的特征选择算法相比,识别模型的准确率提高了 2.6％～5.5％,误报率降低了 6.43％～14.33％.

关键词：特征选择、入侵检测、鸽群优化、决策树、KDDCUP99数据集

所属期刊栏目：47

分类号：TP393(计算技术、计算机技术)

资助基金：国家科技支撑计划;河南省教育厅基础研究基金资助项目

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：152-158