基于GQPSO算法的网络入侵特征选择方法

摘要：

高维网络数据中的无关属性和冗余属性容易使分类算法的网络入侵检测速度变慢、检测率降低.为此,提出一种基于遗传量子粒子群优化(GQPSO)算法的网络入侵特征选择方法,该方法将遗传算法中的选择变异策略与QPSO有机结合形成GQPSO算法,并以网络数据属性之间的归一化互信息量作为该算法适应度函数,指导其对网络数据的属性约简,实现网络入侵特征子集的优化选择.在KDDCUP1999数据集上进行仿真实验,结果表明,与QPSO算法、PSO算法相比,该方法能更有效地精简网络数据特征,提高分类算法的网络入侵检测速度及检测率.

关键词：GQPSO算法、归一化互信息、适应度函数、特征选择、网络入侵检测

所属期刊栏目：37

分类号：TP311.52(计算技术、计算机技术)

资助基金：陕西省自然科学基金资助项目2009JM7007

在线出版日期：2011-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：103-105