高密度特征的网络分布式入侵检测技术仿真

摘要：

网络分布式入侵检测中具有数据量大、维度高、冗余度大等特点,导致当前入侵检测方法面对高密度特征时检测效率低、误报率和漏检率较高.针对上述问题,提出基于互信息特征选取的网络分布式入侵检测方法.将采集到的网络分布式数据进行标准化处理,从处理后的高密度特征中选取有效特征集,依据提取结果构建样本特征子集.采用遗传算法对样本特征子集和支持向量机参数进行编码,生成染色体,将入侵检测精度作为个体适应度,通过遗传算法多次迭代搜索,获取对支持向量机最具影响的特征集合和最优参数.实验结果表明,所提方法能够有效减少入侵检测时间,且相比当前检测方法,误报率和漏报率较低.

关键词：高密度特征、分布式、网络入侵检测、遗传算法

所属期刊栏目：35

分类号：TP393(计算技术、计算机技术)

在线出版日期：2018-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：453-456