基于RELIEFF-FCBF組合的入侵特征選擇算法研究.pdf

1、在信息時代，每天大量新的網絡數(shù)據涌入互聯(lián)網，網絡空間異常行為更加復雜多變，數(shù)據的高維屬性，導致入侵檢測面臨檢測效率、準確率低。為了建設安全可持續(xù)的網絡環(huán)境，為互聯(lián)網的快速發(fā)展提供保障，入侵檢測系統(tǒng)引入新技術實現(xiàn)創(chuàng)新刻不容緩。常用特征選擇方法引入入侵檢測系統(tǒng)中，實現(xiàn)對網絡數(shù)據的初步選擇，達到對多維數(shù)據降維的作用，去除無關、弱相關、冗余的特征，提高分類的效率、準確率，減少誤報率，提升了入侵檢測系統(tǒng)的性能，實現(xiàn)系統(tǒng)智能化和滿足現(xiàn)代網絡空間安全

2、檢測要求。
　　本文參考了國內外特征選擇算法在入侵檢測應用的研究，研究了典型的四個特征選擇算法，通過優(yōu)勢互補組合提出了兩個新的，針對入侵檢測系統(tǒng)的KDD CUP1999數(shù)據集降維方法。在本篇論文中做了以下主要工作：
　?。?）四個算法對比分析：ReliefF算法不能區(qū)分已選特征集中特征間的相關緊密性；FCBF算法能高效處理特征之間的冗余性；Re-ReliefF算法在效率、準確率、誤報率方面還不夠好；最大相關最小冗余算法（mR

3、MR）中特征間相關性表述的互信息度量準則，能更好地區(qū)分特征間的相關關系。
　?。?）改進的兩個組合算法：ReliefF算法和FCBF算法結合，提出了一種兩階段Re-FCBF算法，分別對原始特征集進行相應的篩選，獲得區(qū)分數(shù)據高效的特征組成的最佳特征子集；Re-ReliefF+算法在Re-ReliefF算法的基礎上加入了最大相關最小冗余算法（mRMR）的思想，把作為特征間相關性表述的互信息度量準則引入其中，從而更好地區(qū)分特征間的相關關