一种基于鸽群优化算法的入侵检测技术
2021年电子技术应用第2期
王 康，霍朝宾，李青旭
华北计算机系统工程研究所，北京100083
摘要： 群体智能在解决非确定性多项式(NP)问题或搜索空间过大的问题时有着显著优势。将鸽群优化(Pigeon Inspired Optimization，PIO)算法应用于入侵检测系统的特征选择中。提出基于Sigmoid的PIO(SPIO)和基于Cosine余弦相似度的PIO(CPIO)算法对入侵检测数据集KDDCUP99进行特征选择，并用机器学习的方法进行实验，建立模型并评估结果。
中图分类号： TN97
文献标识码： A
DOI：10.16157/j.issn.0258-7998.200420
中文引用格式： 王康，霍朝宾，李青旭. 一种基于鸽群优化算法的入侵检测技术[J].电子技术应用，2021，47(2)：11-15.
英文引用格式： Wang Kang，Huo Chaobin，Li Qingxu. An intrusion detection technique based on pigeon inspired optimization algorithm[J]. Application of Electronic Technique，2021，47(2)：11-15.
文献标识码： A
DOI：10.16157/j.issn.0258-7998.200420
中文引用格式： 王康，霍朝宾，李青旭. 一种基于鸽群优化算法的入侵检测技术[J].电子技术应用，2021，47(2)：11-15.
英文引用格式： Wang Kang，Huo Chaobin，Li Qingxu. An intrusion detection technique based on pigeon inspired optimization algorithm[J]. Application of Electronic Technique，2021，47(2)：11-15.
An intrusion detection technique based on pigeon inspired optimization algorithm
Wang Kang，Huo Chaobin，Li Qingxu
National Computer System Engineering Research Institute of China，Beijing 100083，China
Abstract： Swarm intelligence has significant advantages in solving nondeterministic polynomial(NP) problems or problems with too much search space. In this paper, pigeon inspired optimization(PIO) is applied to the feature selection of intrusion detection systems. The Sigmoid-based PIO(SPIO) and Cosine-based PIO(CPIO) algorithms were proposed to select the features of the intrusion detection data set KDDCUP99 and conduct experiments with the method of machine learning to build the model and evaluate the results.
Key words : PIO；KDDCUP99；machine learning
0 引言
随着互联网使用规模的不断扩大，网络上传输的重要信息也在逐渐增加，但也暴露出很多的安全性问题。入侵检测系统作为网络空间安全的核心组件，直接影响了网络的安全性。入侵检测的主要功能是识别网络中可能包含攻击的非正常行为。根据入侵检测功能的执行位置，可分为基于网络的入侵检测和基于主机的入侵检测。
本文将介绍一种鸽群优化算法应用于入侵检测系统。通过提出的算法对公开数据集进行特征选择，然后用决策树对选择的特征进行建模分析。特征选择后的数据集维度显著降低，不但加快和简化了模型的建立，还提高了模型的泛化性。在此基础上，对算法进行了一定程度改进，使其更适合于离散空间的特征选择。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003363
作者信息:
王 康，霍朝宾，李青旭
(华北计算机系统工程研究所，北京100083)
此内容为AET网站原创，未经授权禁止转载。