基于竞争机制粒子优化算法选择NIDS系统特征子集

摘要

网络入侵检测系统通过分析网络连接数据发现入侵行为,网络流量数据中包含了大量冗余、不相关特征,严重影响了NIDS系统训练模型精度.因此,提取有用特征搭建检测模型,对实现动态防御至关重要.针对特征选择问题,研究竞争机制粒子优化算法在海量数据中的特征选择问题,通过稳定性理论对优化模型进行稳定性分析,利用S-函数对更新后的速度进行二值化处理,以分类错误率和特征数的线性组合为适应度函数,通过优化算法选择特征子集构建分类器,对KDDCUP99数据集中的训练集(10％)进行数据预处理,采用交叉验证方法验证分类模型,并采用循环迭代法获取最佳控制参数.测试结果表明,竞争机制粒子优化算法能够降低数据维度,获取特征子集,使得搭建的训练模型具有较高精度.