基于集成特征选择的网络入侵检测模型

侯莹，陈文胜，王丹宁，程陈，牛诗川，姬瑶

（中国地震局第二监测中心，西安710054）

0 引言

随着网络技术的快速发展，如何维护通信网络安全成为人们关注的重点，入侵检测已经成为一种重要手段。入侵检测是一种安全机制，通过检测网络行为，识别网络通信中的异常访问，并及时给予告警响应[1]。目前网络技术和通信设备的广泛应用，导致大量的数据被记录，由于数据信息的高维复杂性，增加了入侵检测的难度。为解决数据的维度灾难问题，许多研究者考虑对数据特征维度进行特征提取，剔除冗余和噪声数据[2-3]。

近年来，基于特征选择技术和分类器集成技术进行入侵检测模型构建方式被广泛研究[4-8]。特征选择技术能够选择出最优特征子集，提高模型的检测性能。由于每种特征选择算法的侧重点不同，各种集成特征选择方法相继被研究[2]。而且集成或者混合检测模型的构建方式能够有效避免单个分类器出现的问题，能够提高检测模型的分类性能[4,9-10]。

本文提出了一种基于集成特征选择的入侵检测模型，首先采用集成方式选择出最佳的特征子集。其次构建多个分类器模型，采用多数加权投票原则确定最终的决策判断。经实验证明，此模型通过集成特征选择方式能提高训练效率和缩短训练时间，并在多个检测评价指标上有所提升，能够有效地提高检测模型的分类性能。

1 基于集成特征选择的网络入侵检测模型

每种特征选择算法的侧重点不尽相同[11]，本文提出的集成算法结合了基于相关性特征选择（CFS）算法和基于互信息（MI）两种算法。……