群体智能在入侵检测特征选择中的应用综述

粱本来

摘要：群体智能在特征选择中的研究与应用是当今入侵检测领域的一个研究热点。参阅大量相关文献，分析不同群体智能优化算法求解特征子集的应用及改进方法，总结其优缺点。列举了一些不同群体智能优化算法的结合及改进方法，取得了较为明显的效果，这也是今后入侵检测领域的一个研究趋势。

关键词：特征选择;特征子集;群体智能;入侵检测;信息安全

中图分类号：TP309 文献标识码：A

文章编号：1009-3044（2020）19-0030-03

开放科学（资源服务）标识码（0SID）：

1 引言

信息化时代，信息安全问题日益突出，防火墙（FW）、入侵检测系统（IDS）等安全设备变得愈加重要。不同于FW设备被动地执行策略防护内网，IDS能够主动发现网络入侵行为，弥补FW的不足，全面保护内网安全。

IDS从实现模式上分为误用检测系统和异常检测系统。误用检测系统建立已知入侵特征库，如果网络访问行为匹配该特征库，则被识别为人侵行为。该系统查准率较高，但缺点也很明显，不能识别未知入侵行为，因此实用价值相对较低[1]。异常检测系统建立正常的网络访问行为特征库，如果某条访问行为与特征库匹配偏差较大，则被识别为人侵行为。该系统可以识别未知入侵，因此成为学者的研究热点[2]。但如今的网络信息量呈指数级增长，网络流量包含大量的特征信息，使得异常检测系统的行为特征库难以被全面准确地建立。为解决这一关键问题，越来越多的文献采用群体智能优化算法求解特征子集，以求最大程度去除冗余特征，从而提升IDS模型的检测性能。……