面向入侵检测的基于IMGA和MKSVM的特征选择算法

摘要：

入侵检测系统处理的数据具有数据量大、特征维数高等特点,会降低检测算法的处理速度和检测效率.为了提高入侵检测系统的检测速度和准确率,将特征选择应用到入侵检测系统中.首先提出一种基于免疫记忆和遗传算法的高效特征子集生成策略,然后研究基于支持向量机的特征子集评估方法.并针对可能出现的数据集不平衡造成的特征子集评估能力下降,以黎曼几何为依据,利用保角变换对核函数进行修改,以提高支持向量机的分类泛化能力.实验仿真表明,提出的特征选择算法不仅可以提高特征选择的效果,而且在不平衡数据集上具有更好的特征选择能力.还表明,基于该方法构建的入侵检测系统与没有运用特征选择的入侵检测系统相比具有更好的性能.

关键词：特征选择、入侵检测、遗传算法、支持向量机、修正核函数

所属期刊栏目：39

分类号：TP393(计算技术、计算机技术)

资助基金：海军十一五预研项目4010601010201

在线出版日期：2012-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：96-99,111