张德宇，罗玉梅

(贵州师范大学国际教育学院，贵州 贵阳 550001)

1 引言

大数据具有多属性特征，对网络安全的防护起到重要作用，而对于其混合属性特征的识别技术仍处于未开发阶段，因此对网络大数据混合属性特征进行识别是极其重要的。网络大数据混合属性特征的准确识别不仅可以观测目标网络的整体运行情况，同时还能够针对特定数据属性进行高精度监管，做到既不影响网络运行情况的同时，还能够对网络恶意攻击行为发出预警。然而，随着网络恶意攻击手段的不断更新，现有的混合属性特征检测方法在当前较为复杂的网络环境下都存在着难以突破和逾越的技术瓶颈。

文献[1]提出基于特征选择的网络入侵检测方法。该方法采用特征选择算法生成具有显著差异的多个属性特征子集，并对不同的属性特征子集进行统一处理，利用相关分类算法对统一化处理后的属性特征进行学习建模，完成混合属性特征检测。但该方法的特征选择操作复杂，并且会占用大量的存储空间，导致检测大数据时效率降低。文献[2]提出基于特征和分类器参数组合优化的网络入侵检测方法。该方法分开考虑了属性特征、分类器参数对混合属性特征检测结果的影响，组建相应的组合优化模型，利用生物地理学优化算法求解组合优化模型最优解，完成混合属性特征检测。但该方法的检测过程存在不稳定因素，导致检测结果有不小的误差。……