自适应分箱特征选择的快速网络入侵检测系统

作     者：刘景美 高源伯 LIU Jingmei;GAO Yuanbo

作者机构：西安电子科技大学综合业务网理论及关键技术国家重点实验室陕西西安710071 

基　　金：装备预先研究项目(30604020102) 

出 版 物：《西安电子科技大学学报》 (Journal of Xidian University)

年 卷 期：2021年第48卷第1期

页      码：176-182页

摘      要：针对传统入侵检测系统检测率较低、基于深度学习的入侵检测系统训练和检测时间较长的问题,提出基于信息增益的自适应分箱特征选择算法,并将此算法与LightGBM相结合,设计了一种快速网络入侵检测系统。首先对原始数据集进行预处理,将数据标准化;然后通过自适应分箱特征选择算法,去除原始数据中的冗余特征和噪声,将原始高维数据降为低维数据,从而提高系统的检测准确率并降低训练和检测时间;最后在经过特征选择的训练集上利用LightGBM进行模型训练,训练出能够检测攻击流量的入侵检测系统。通过在NSL-KDD数据集上验证,提出的特征选择算法在特征选择上仅耗时27.35 s,相比传统算法降低了约96.68%;设计的入侵检测系统在测试集上准确率高达93.32%,且训练时间较短。与现有网络入侵检测系统相比,准确率更高,模型训练速度更快。

主 题 词：入侵检测 特征选择 LightGBM算法 信息增益 集成学习 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 081201[081201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.19665/j.issn1001-2400.2021.01.020

馆 藏 号：203101732...