基于流量异常分析多维优化的入侵检测方法

• 作者: 任家东 刘新倩 单纯 王倩 郭嘉伟
• 来源期刊: 信息安全学报
• 学科: 工学
• 关键词: 入侵检测框架 多维优化 数据抽样 递归特征添加算法 遗传算法参数优化 随机森林
• 年，卷（期）: 2019,（1）
• 页码范围: 14-26
• 页数: 13页
• 分类号: TP393.08
• 字数: 10323字
• 语种: 中文
• DOI: 10.19363/J.cnki.cn10-1380/tn.2019.01.02

摘要

入侵检测系统在检测和预防各种网络异常行为的过程中,海量和高维的流量数据使其面临着低准确率和高误报率的问题.本文提出一种基于流量异常分析多维优化的入侵检测方法,该方法在入侵检测数据的横向维度和纵向维度两个维度进行优化.在横向维度优化中,对数量较多的类别进行数据抽样,并采用遗传算法得到每个类别的最佳抽样比例参数,完成数据的均衡化.在纵向维度优化中,结合特征与类别的相关分析,采用递归特征添加算法选择特征,并提出平均召回率指标评估特征选择效果,实现训练集的低维高效性.基于优化的入侵检测数据,进一步通过训练数据集得到随机森林分类器,在真实数据集UNSW_NB15评估和验证本文提出的算法.与其他算法相比,本文算法具有高准确率和低误报率,并在攻击类型上取得了有效的召回率.