基于并行特征选择和分类的网络入侵检测方法

• 作者: 戴敏
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 网络入侵检测 MapReduce框架 QPSO算法 特征选择 NB分类器
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息安全技术
• 页码范围: 654-661
• 页数: 8页
• 分类号: TP393
• 字数: 7251字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2019.03.011

摘要

针对存在大量访问时的网络入侵检测问题, 提出一种在MapReduce框架下实现的并行网络入侵检测方法.构建一种并行化的量子粒子群优化 (QPSO) 算法, 对原始数据集中的大量特征进行选择, 降低特征维度;实现一种并行化的朴素贝叶斯 (NB) 分类器, 以网络访问特征作为输入来检测入侵.在KDDCup99数据集上的实验结果表明, 该特征选择方法能够选择出最优特征子集, 有效提高了入侵检测的准确性, 特征选择和分类器的并行化缩短了检测时间.