一種基于鴿群優(yōu)化算法的入侵檢測技術(shù)
2021年電子技術(shù)應(yīng)用第2期
王 康，霍朝賓，李青旭
華北計算機系統(tǒng)工程研究所，北京100083
摘要： 群體智能在解決非確定性多項式(NP)問題或搜索空間過大的問題時有著顯著優(yōu)勢。將鴿群優(yōu)化(Pigeon Inspired Optimization，PIO)算法應(yīng)用于入侵檢測系統(tǒng)的特征選擇中。提出基于Sigmoid的PIO(SPIO)和基于Cosine余弦相似度的PIO(CPIO)算法對入侵檢測數(shù)據(jù)集KDDCUP99進行特征選擇，并用機器學習的方法進行實驗，建立模型并評估結(jié)果。
中圖分類號： TN97
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200420
中文引用格式： 王康，霍朝賓，李青旭. 一種基于鴿群優(yōu)化算法的入侵檢測技術(shù)[J].電子技術(shù)應(yīng)用，2021，47(2)：11-15.
英文引用格式： Wang Kang，Huo Chaobin，Li Qingxu. An intrusion detection technique based on pigeon inspired optimization algorithm[J]. Application of Electronic Technique，2021，47(2)：11-15.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200420
中文引用格式： 王康，霍朝賓，李青旭. 一種基于鴿群優(yōu)化算法的入侵檢測技術(shù)[J].電子技術(shù)應(yīng)用，2021，47(2)：11-15.
英文引用格式： Wang Kang，Huo Chaobin，Li Qingxu. An intrusion detection technique based on pigeon inspired optimization algorithm[J]. Application of Electronic Technique，2021，47(2)：11-15.
An intrusion detection technique based on pigeon inspired optimization algorithm
Wang Kang，Huo Chaobin，Li Qingxu
National Computer System Engineering Research Institute of China，Beijing 100083，China
Abstract： Swarm intelligence has significant advantages in solving nondeterministic polynomial(NP) problems or problems with too much search space. In this paper, pigeon inspired optimization(PIO) is applied to the feature selection of intrusion detection systems. The Sigmoid-based PIO(SPIO) and Cosine-based PIO(CPIO) algorithms were proposed to select the features of the intrusion detection data set KDDCUP99 and conduct experiments with the method of machine learning to build the model and evaluate the results.
Key words : PIO；KDDCUP99；machine learning
0 引言
隨著互聯(lián)網(wǎng)使用規(guī)模的不斷擴大，網(wǎng)絡(luò)上傳輸?shù)闹匾畔⒁苍谥饾u增加，但也暴露出很多的安全性問題。入侵檢測系統(tǒng)作為網(wǎng)絡(luò)空間安全的核心組件，直接影響了網(wǎng)絡(luò)的安全性。入侵檢測的主要功能是識別網(wǎng)絡(luò)中可能包含攻擊的非正常行為。根據(jù)入侵檢測功能的執(zhí)行位置，可分為基于網(wǎng)絡(luò)的入侵檢測和基于主機的入侵檢測。
本文將介紹一種鴿群優(yōu)化算法應(yīng)用于入侵檢測系統(tǒng)。通過提出的算法對公開數(shù)據(jù)集進行特征選擇，然后用決策樹對選擇的特征進行建模分析。特征選擇后的數(shù)據(jù)集維度顯著降低，不但加快和簡化了模型的建立，還提高了模型的泛化性。在此基礎(chǔ)上，對算法進行了一定程度改進，使其更適合于離散空間的特征選擇。
本文詳細內(nèi)容請下載:http://www.rjjo.cn/resource/share/2000003363
作者信息:
王 康，霍朝賓，李青旭
(華北計算機系統(tǒng)工程研究所，北京100083)
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。