冯庆华

(江苏建筑职业技术学院 实验实训与职业技能管理中心,江苏 徐州221116)

蚁群算法选择特征与WSVM融合的网络入侵检测

冯庆华

(江苏建筑职业技术学院 实验实训与职业技能管理中心,江苏 徐州221116)

为了提高网络入侵检测率,提出一种蚁群算法选择特征与加权支持向量机的网络入侵检测方法.利用蚁群算法选择网络数据的关键特征,计算信息增益获得各个特征权重,根据特征权重构建了加权支持向量机的网络入侵分类器,并通过KDD CUP 99数据集验证了其有效性.结果表明:该算法能够有效降低特征维数,提高网络入侵检测率和检测效率.

网络入侵检测;蚁群优化算法;特征选择;特征加权;支持向量机

在互联网发展历程中,由于网络入侵手段复杂多变,攻击量和危害程度日益严重,网络入侵检测一直是网络安全研究的重点.原始网络入侵包含一些冗余特征和对检测结果起“反作用”的噪声特征,如果将其直接输入到分类器进行学习,对入侵检测率将产生不利影响,因此需要选择与网络入侵检测结果强相关的关键特征,降低其特征维数[3].因网络入侵分类器影响着最终的检测正确率和计算复杂度,分类器设计已成为与特征选择并重的内容.目前广泛使用的主要有Fisher线性判别(FLD)、支持向量机(SVM)和神经网络等分类器.SVM通过映射能解决高维空间的学习问题,具有很好的推广能力,成为当前主要的网络检测算法[6-7].但由于SVM算法基于全部网……