發(fā)布時(shí)間：2017-08-14 04:32

  本文關(guān)鍵詞：基于ReliefF-FCBF組合的入侵特征選擇算法研究

  更多相關(guān)文章： 入侵檢測 特征選擇 ReliefF FCBF Re-ReliefF 誤報(bào)率

【摘要】：在信息時(shí)代,每天大量新的網(wǎng)絡(luò)數(shù)據(jù)涌入互聯(lián)網(wǎng),網(wǎng)絡(luò)空間異常行為更加復(fù)雜多變,數(shù)據(jù)的高維屬性,導(dǎo)致入侵檢測面臨檢測效率、準(zhǔn)確率低。為了建設(shè)安全可持續(xù)的網(wǎng)絡(luò)環(huán)境,為互聯(lián)網(wǎng)的快速發(fā)展提供保障,入侵檢測系統(tǒng)引入新技術(shù)實(shí)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(shí)現(xiàn)對網(wǎng)絡(luò)數(shù)據(jù)的初步選擇,達(dá)到對多維數(shù)據(jù)降維的作用,去除無關(guān)、弱相關(guān)、冗余的特征,提高分類的效率、準(zhǔn)確率,減少誤報(bào)率,提升了入侵檢測系統(tǒng)的性能,實(shí)現(xiàn)系統(tǒng)智能化和滿足現(xiàn)代網(wǎng)絡(luò)空間安全檢測要求。本文參考了國內(nèi)外特征選擇算法在入侵檢測應(yīng)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(bǔ)組合提出了兩個新的,針對入侵檢測系統(tǒng)的KDD CUP1999數(shù)據(jù)集降維方法。在本篇論文中做了以下主要工作:(1)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(guān)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(zhǔn)確率、誤報(bào)率方面還不夠好;最大相關(guān)最小冗余算法(mRMR)中特征間相關(guān)性表述的互信息度量準(zhǔn)則,能更好地區(qū)分特征間的相關(guān)關(guān)系。(2)改進(jìn)的兩個組合算法:ReliefF算法和FCBF算法結(jié)合,提出了一種兩階段Re-FCBF算法,分別對原始特征集進(jìn)行相應(yīng)的篩選,獲得區(qū)分?jǐn)?shù)據(jù)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(chǔ)上加入了最大相關(guān)最小冗余算法(mRMR)的思想,把作為特征間相關(guān)性表述的互信息度量準(zhǔn)則引入其中,從而更好地區(qū)分特征間的相關(guān)關(guān)系,進(jìn)一步去除冗余特征。(3)改進(jìn)的組合算法實(shí)驗(yàn)對比分析:KDD CUP 1999作為入侵檢測數(shù)據(jù),采用支持向量機(jī)來訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù),獲得相應(yīng)的最佳特征子集在數(shù)據(jù)分類的準(zhǔn)確率、誤報(bào)率、漏報(bào)率、訓(xùn)練時(shí)間、預(yù)測時(shí)間。實(shí)驗(yàn)表明:Re-FCBF算法和Re-ReliefF+是一種有效的過濾式特征選擇算法,它能夠有效地去除無關(guān)、弱相關(guān)、冗余特征,提高入侵檢測的效率、準(zhǔn)確率,減少誤報(bào)率。
【關(guān)鍵詞】：入侵檢測 特征選擇 ReliefF FCBF Re-ReliefF 誤報(bào)率
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP301.6;TP393.08
【目錄】：

• 摘要2-3
• Abstract3-7
• 第一章 緒論7-10
• 1.1 研究背景與意義7-8
• 1.2 研究現(xiàn)狀8-9
• 1.3 本文結(jié)構(gòu)9-10
• 第二章 特征選擇方法與入侵檢測技術(shù)10-20
• 2.1 特征選擇方法10-15
• 2.1.1 基本定義10
• 2.1.2 典型分類10-11
• 2.1.3 搜索策略11
• 2.1.4 評價(jià)標(biāo)準(zhǔn)11-13
• 2.1.5 應(yīng)用現(xiàn)狀13-15
• 2.2 入侵檢測技術(shù)15-18
• 2.2.1 基本概念15
• 2.2.2 通用框架15-16
• 2.2.3 發(fā)展現(xiàn)狀16-17
• 2.2.4 大規(guī)模網(wǎng)絡(luò)入侵檢測面臨的問題17-18
• 2.3 典型的入侵檢測數(shù)據(jù)集18-19
• 2.4 本章小結(jié)19-20
• 第三章 特征選擇算法20-26
• 3.1 ReliefF算法20-21
• 3.2 FCBF算法21-22
• 3.3 Re-ReliefF算法22-23
• 3.4 mRMR算法23-24
• 3.5 基于特征選擇的入侵檢測24-25
• 3.6 本章小結(jié)25-26
• 第四章 基于Re-FCBF組合的入侵特征選擇算法研究26-39
• 4.1 引入26-27
• 4.2 Re-FCBF組合的入侵特征選擇算法27-28
• 4.2.1 基本定義27
• 4.2.2 算法描述27-28
• 4.3 優(yōu)化后的Re-ReliefF+入侵特征選擇算法28-29
• 4.3.1 基本定義28
• 4.3.2 算法描述28-29
• 4.4 實(shí)驗(yàn)29-37
• 4.4.1 實(shí)驗(yàn)準(zhǔn)備29-30
• 4.4.2 實(shí)驗(yàn)流程30-31
• 4.4.3 實(shí)驗(yàn)結(jié)果31-37
• 4.4.4 結(jié)果分析37
• 4.5 本章小結(jié)37-39
• 第五章 總結(jié)與展望39-40
• 5.1 總結(jié)39
• 5.2 展望39-40
• 參考文獻(xiàn)40-43
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄43-44
• 致謝44-45

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吉小軍,李世中,李霆;相關(guān)分析在特征選擇中的應(yīng)用[J];測試技術(shù)學(xué)報(bào);2001年01期

2 賈沛;桑農(nóng);唐紅衛(wèi);;一種改進(jìn)的類別依賴型特征選擇技術(shù)[J];計(jì)算機(jī)與數(shù)子工程;2003年06期

3 靖紅芳;王斌;楊雅輝;徐燕;;基于類別分布的特征選擇框架[J];計(jì)算機(jī)研究與發(fā)展;2009年09期

4 吳洪麗;朱顥東;周瑞瓊;;使用特征分辨率和差別對象對集的特征選擇[J];計(jì)算機(jī)工程與應(yīng)用;2010年16期

5 楊藝;韓德強(qiáng);韓崇昭;;基于排序融合的特征選擇[J];控制與決策;2011年03期

6 李云;;穩(wěn)定的特征選擇研究[J];微型機(jī)與應(yīng)用;2012年15期

7 錢學(xué)雙;多重篩選逐步回歸特征選擇法及其應(yīng)用[J];信息與控制;1986年05期

8 宣國榮;柴佩琪;;基于巴氏距離的特征選擇[J];模式識別與人工智能;1996年04期

9 范勁松,方廷健;特征選擇和提取要素的分析及其評價(jià)[J];計(jì)算機(jī)工程與應(yīng)用;2001年13期

10 王新峰;邱靜;劉冠軍;;基于特征相關(guān)性和冗余性分析的機(jī)械故障特征選擇研究[J];中國機(jī)械工程;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 靖紅芳;王斌;楊雅輝;;基于類別分布的特征選擇框架[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

2 李長升;盧漢清;;排序?qū)W習(xí)模型中的特征選擇[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

3 劉功申;李建華;李生紅;;基于類信息的特征選擇和加權(quán)方法[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2004年

4 倪友平;王思臣;馬桂珍;陳曾平;;分支界定算法在低分辨雷達(dá)飛機(jī)架次判別中的應(yīng)用[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

5 李澤輝;聶生東;陳兆學(xué);;應(yīng)用多類SVM分割MR腦圖像特征選擇與優(yōu)化的實(shí)驗(yàn)研究[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

6 蒙新泛;王厚峰;;主客觀識別中的上下文因素的研究[A];中國計(jì)算機(jī)語言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

7 萬京;王建東;;一種基于新的差異性度量的ReliefF方法[A];2009年研究生學(xué)術(shù)交流會通信與信息技術(shù)論文集[C];2009年

8 范麗;許潔萍;;基于GMM的音樂信號音色模型研究[A];第四屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議論文集[C];2008年

9 陳友;戴磊;程學(xué)旗;;基于MRMHC-C4．5的IP流分類[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

10 申f;楊宏暉;袁帥;;用于水聲目標(biāo)識別的互信息無監(jiān)督特征選擇[A];第三屆上�！靼猜晫W(xué)學(xué)會學(xué)術(shù)會議論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李靜;高維數(shù)據(jù)交互特征選擇和分類研究[D];燕山大學(xué);2015年

2 劉風(fēng);基于磁共振成像的多變量模式分析方法學(xué)與應(yīng)用研究[D];電子科技大學(xué);2014年

3 王石平;粗糙擬陣及其在高維數(shù)據(jù)降維中的應(yīng)用研究[D];電子科技大學(xué);2014年

4 代琨;基于支持向量機(jī)的網(wǎng)絡(luò)數(shù)據(jù)特征選擇技術(shù)研究[D];解放軍信息工程大學(xué);2013年

5 王愛國;微陣列基因表達(dá)數(shù)據(jù)的特征分析方法研究[D];合肥工業(yè)大學(xué);2015年

6 王博;文本分類中特征選擇技術(shù)的研究[D];國防科學(xué)技術(shù)大學(xué);2009年

7 張明錦;基于特征選擇的多變量數(shù)據(jù)分析方法及其在譜學(xué)研究中的應(yīng)用[D];華東理工大學(xué);2011年

8 高青斌;蛋白質(zhì)亞細(xì)胞定位預(yù)測相關(guān)問題研究[D];國防科學(xué)技術(shù)大學(xué);2006年

9 馮國忠;文本分類中的貝葉斯特征選擇[D];東北師范大學(xué);2011年

10 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學(xué)習(xí)研究[D];清華大學(xué);2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張金蕾;蛋白質(zhì)SUMO化修飾位點(diǎn)預(yù)測的數(shù)據(jù)挖掘技術(shù)研究[D];西北農(nóng)林科技大學(xué);2015年

2 史德飛;自適應(yīng)特征選擇在線瓷磚分類系統(tǒng)[D];南京大學(xué);2014年

3 馬錚;網(wǎng)絡(luò)流量特征分析與特征選擇[D];北京郵電大學(xué);2013年

4 徐冬;基于特征選擇的入侵檢測方法研究[D];吉林大學(xué);2016年

5 鄭芳泉;稀有數(shù)據(jù)的集成特征選擇與入侵檢測[D];福州大學(xué);2013年

6 徐子偉;基于分步特征選擇和組合分類器的電信客戶流失預(yù)測模型[D];中國科學(xué)技術(shù)大學(xué);2016年

7 肖麗莎;半監(jiān)督特征選擇關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2016年

8 李昌;概率特征選擇分類向量機(jī)[D];中國科學(xué)技術(shù)大學(xué);2016年

9 黃春虎;基于ReliefF-FCBF組合的入侵特征選擇算法研究[D];新疆大學(xué);2016年

10 譚蘊(yùn)琨;面向稀疏數(shù)據(jù)的在線學(xué)習(xí)特征選擇方法研究[D];華南理工大學(xué);2016年

，

本文編號：670804