基于云模型的入侵检测日志数据特征选择算法_图文

1、 · · 福州大学学报（ 自然科学版） 表 数据集 属性权重排序表 序号 属性名 属性编号 权重 第 卷 实验 用 算法进行特征选择，并与 数据挖掘工具提供的 （ 遗传算法 搜索） 、 （ 贪心式前向搜索） 和 （ 贪心式反向搜索） 作比较，结果如表 所示 分析实验结果，各属性子集中都包括入侵检测日志数据中几个重要属性：服务类型（ ） 、连接服 务次数（ ） 、登录状态（ ） 、协议类型（ ） 等，表明这几个特征属性对于网 络入侵行为判定具有重要作用 表 不同特征选择算法的特征选择结果 特征选择算法 特征个数 特征子集 ， ， ， ， ， ， ， ， ， ， ， ， ， ，

2、 ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， 实验 用 数据挖掘工具提供的分类器 （ 决策树分类器） 以表 中不同算法选择的特征 子集为依据进行分类，得到的结果如表 所示 分析实验结果，与其它算法相比， 算法在特征选择数目和分类准确率上具有一定优势 第 期 刘延华，等：基于云模型的入侵检测日志数据特征选择算法 表 用 分类器对不同特征选择算法的属性子集进行分类的结果 特征选择算法 特征数 准确率 分类器构建 · · 实验 用 算法对数据集 和数据集 进行特征选择，并将特征选择的子集用 分类器 进行分类 从表 可看出，在不同的数

3、据量下，该算法均获得了高效的特征选择和分类水平从初步实验结果来 看，数据量越大， 算法在分类效果和时间开销上越具有较好的优势 表 不同数据集的特征选择及分类效果 数据集 数据集 数据集 数据量 特征数 准确率 分类器构建 实验 分析 算法的收敛性和种群多样性图 为 的适应值收敛图，可见算法在 第 次迭代后即收敛，收敛性较好图 是粒子种群多样性变化的情况，可看出算法的种群多样性始终 保持在 以上较高水平，较好地避免了出现局部收敛 图 适应值收敛过程 图 的粒子种群多样性 结论 针对入侵检测日志的数据特征选择问题，将云模型与 算法相结合，提出了 特征选择算 法从实验结果来看， 算法能够在保证较高水

4、平分类准确率前提下，选择数目较少的特征子集， 并在时间开销、算法收敛性和种群多样性等方面表现较好我们将在本研究基础上进一步开展工作，分析 算法的分类误报性问题，以完善和提高 算法效率 参考文献： ， ， （ ） ： ， ， · · ， ， （ ） ： 福州大学学报（ 自然科学版） 第 卷 （ ） ： ， ： ， ， ， ， （ ） ： 陈仕涛，陈国龙，郭文忠，等基于粒子群优化和邻域约简的入侵检测日志数据特征选择 计算机研究与发展， ， （ ） ： 陈友，沈华伟，李洋，等一种高效的面向轻量级入侵检测系统的特征选择算法 计算机学报， ， （ ） ： 张昊，陶然，李志勇，等基于 算法及禁忌搜索算法的特征选择方法在入侵检测中的应用研究 电子学报， ， （ ） ： 李德毅，杜 不确定性人工智能 北京：国防工业出版社， 杜，李德毅基于云的概念划分及其在关联挖掘上的应用 软件学报， ， （ ） ： 朱杰，秦亮曦，龙炜哲，等一种新的基于 权重向量的云分类器 计算机应用研究， ， （