一种基于信息论模型的入侵检测特征提取方法

• 作者: 宋勇 蔡志平
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 特征选择 信息熵 入侵检测 互信息 半监督
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 267-271
• 页数: 5页
• 分类号: TP393.08
• 字数: 5653字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2018.02.017

摘要

在网络入侵检测中,由于原始数据特征维度高和冗余特征多,导致入侵检测系统的存储负担增加,检测分类器性能降低.针对该问题本文提出了一种基于信息论模型的入侵检测特征提取方法.它以具有最大信息增益的特征为搜索起点,利用搜索策略和评估函数迭代调整数据集分类标记、已选取特征子集和候选特征三者之间的相关度,最后通过终止条件确定选取特征子集.以入侵检测样本数据集为实验数据,将该方法选取的特征向量运用到支持向量机分类算法中,在特征维度大幅度降低的情况下,检测精度变化很小.实验结果证明了本方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡志平	国防科技大学计算机学院	48	471	12.0	18.0
2	宋勇	湖南民族职业学院工程技术系	23	49	3.0	6.0