[发明专利]一种基于自适应遗传算法的混合特征选择入侵检测方法

摘要

本发明涉及入侵检测网络安全领域，特别涉及一种基于自适应遗传算法的混合特征选择入侵检测方法，包括导入网络入侵检测数据集；采用独热编码处理离散特征，采用数值标准化处理连续特征；采用基尼指数对特征子集进行过滤，剔除冗余特征，选择最优特征；采用SVM算法作为封装方法组成混合特征选择算法，并通过自适应遗传算法进行搜索获取最优特征子集；采用最大迭代次数作为算法终止条件，在此基础上当适应度函数值达到指定阈值时，算法将提前终止迭代；本发明结合了过滤选择算法和封装选择算法的优点，利用二者的互补特性，有效删除冗余特征和相关度低的特征，提高了入侵检测的检测效率，降低误报率。

主权项

1.一种基于自适应遗传算法的混合特征选择入侵检测方法，其特征在于：该方法包括以下步骤：S1：导入网络入侵检测数据集，数据集中的特征包括网络连接持续时间、协议类型、目标主机的网络服务类型、连接状态、源地址到目标地址的数据流量、目标地址到源地址的数据流量、错误分段的数量；S2：采用独热编码处理离散型特征，采用数值标准化处理连续型特征；S3：初始化参数，采用基尼Gini指数对特征子集进行过滤，剔除冗余特征，选择最优特征；S4：将步骤S3筛选后的全部特征作为完整的特征空间，采用基于支持向量机的分类器作为自适应遗传算法中适应度函数的计算与特征选择结果性能的评价；S5：采用最大迭代次数作为算法终止条件，在此基础上当适应度函数值达到指定阈值时，将提前终止迭代；S6：当迭代结束时得到最优特征子集，将最优特征子集中的特征输入入侵检测算法，完成入侵检测。