李 文

(广东科贸职业学院 信息工程系，广州 510640)

基于特征选择的网络入侵检测模型研究

李 文

(广东科贸职业学院 信息工程系，广州 510640)

为了有效从收集的恶意数据中选择特征去分析，保障网络系统的安全与稳定，需要进行网络入侵检测模型研究;但目前方法是采用遗传算法找出网络入侵的特征子集，再利用粒子群算法进行进一步选择，找出最优的特征子集，最后利用极限学习机对网络入侵进行分类，但该方法准确性较低;为此，提出一种基于特征选择的网络入侵检测模型研究方法;该方法首先以增强寻优性能为目标对网络入侵检测进行特征选择，结合分析出的特征选择利用特征属性的Fisher比构造出特征子集的评价函数，然后结合计算出的特征子集评价函数进行支持向量机完成对基于特征选择的网络入侵检测模型研究方法;仿真实验表明，利用支持向量机对网络入侵进行检测能有效地提高入侵检测的速度以及入侵检测的准确性。

特征选择；网络入侵；Fisher比；支持向量机

0 引言

随着互联网技术应用的日渐广泛，互联网络的安全性以及可靠性越来越受到人们的关注[1]。互联网络平台是一个双边平台，具有共享性与开放性的特点，由于互联网络的开放性，加上入侵手段的多样化[2]，网络的恶意入侵越来越频繁。在这种情况下，如何提高网络入侵的检测率和检测速度，保证互联网络的正常通信与数据运输安全成为了网络管理领域中急需解决的主要问题[3]。……