基于Fisher分和支持向量机的特征选择算法.docxVIP

２０１４年 １２月计算机工程与设计Ｄｅｃ．２０１４第 ３５卷 第 １２期ＣＯＭＰＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧ ＡＮＤ ＤＥＳＩＧＮＶｏｌ．３５Ｎｏ．１２基于 Ｆｉｓｈｅｒ分和支持向量机的特征选择算法张润莲１，张昭１，彭小金１，曾兵２（１．桂林电子科技大学信息与通信学院，广西 桂林 ５４１００４；２．必威体育官网网址通信重点实验室，四川成都 ６１００４１） 摘 要：网络入侵数据集中存在的大量冗余和噪声特征严重影响检测系统的性能。 针对该问题， 提出一种基于 Ｆｉｓｈｅｒ分 和 支持向量机的入侵特征选择算法。通过对各维特征的 Ｆｉｓｈｅｒ分 值排序，结合支持向量机分类算法， 建立特征分类模型， 筛 选出具有最高检测率与误码率比值的最优特征组合。仿真结果表明，该算法筛选出的特征组合具有较高的检测率和较低的 误码率，有效降低了检测系统的建模时间和测试时间，提高了系统性能。关键词：入侵检测；Ｆｉｓｈｅｒ分 ；支持向量机；特征选择；数据标准化中图法分类号 ：ＴＰ３９３．０８ 文献标识号 ：Ａ 文章编号 ：１０００－７０２４ （２０１４）１２－４１４５－０４ＦｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＦｉｓｈｅｒｖａｌｕｅａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅＺＨＡＮＧ Ｒｕｎ－ｌｉａｎ１，ＺＨＡＮＧＺｈａｏ１，ＰＥＮＧ Ｘｉａｏ－ｊｉｎ１，ＺＥＮＧ Ｂｉｎｇ２（１．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎ，ＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＴｅｃｈｎｏｌｏｇｙ，Ｇｕｉｌｉｎ５４１００４，Ｃｈｉｎａ；２．ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｎＣｏｍｍｕｎｉｃａｔｉｏｎＳｅｃｕｒｉｔｙＬａｂｏｒａｔｏｒｙ，Ｃｈｅｎｇｄｕ６１００４１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｒｅａｒｅｍａｎｙｒｅｄｕｎｄａｎｔａｎｄｎｏｉｓｙｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎｎｅｔｗｏｒｋｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｄａｔａｓｅｔ，ｗｈｉｃｈｌｅａｄｓｔｏａｂａｄｐｅｒ－ ｆｏｒｍａｎｃｅｏｆｔｈｅｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍ．Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓ，ａｎｉｎｔｒｕｓｉｏｎｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＦｉｓｈｅｒｖａｌｕｅａｎｄｓｕｐ－ ｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｗａｓｐｒｏｐｏｓｅｄ．ＢｙｃｏｍｂｉｎｉｎｇｔｈｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅａｎｄｓｏｒｔｉｎｇＦｉｓｈｅｒｖａｌｕｅｏｆｅａｃｈｄｉｍｅｎｓｉｏｎａｌｆｅａ－ ｔｕｒｅ，ｔｈｅｏｐｔｉｍａｌｆｅａｔｕｒｅｓｕｂｓｅｔｗｈｉｃｈｏｗｎｅｄｔｈｅｈｉｇｈｅｓｔｒａｔｉｏｏｆｄｅｔｅｃｔｉｏｎｒａｔｅａｎｄｂｉｔｅｒｒｏｒｒａｔｅｗａｓｓｅｌｅｃｔｅｄ．Ｔｈｅｓｉｍｕｌａｔｉｏｎ ｔｅｓｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｃａｎｅｌｉｍｉｎａｔｅｎｏｉｓｙｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｉｎｔｒｕｓｉｏｎｄａｔａｓｅｔ，ｒｅｄｕｃｅｔｈｅｍｏｄｅｌｉｎｇｔｉｍｅａｎｄｔｈｅ ｔｅｓｔｉｎｇｔｉｍｅｏｆｔｈｅｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍ，ａｎｄｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｓｙｓｔｅｍ． Ｋｅｙｗｏｒｄｓ：ｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎ；Ｆｉｓｈｅｒｖａｌｕｅ；ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ；ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ；ｄａｔａｓｔａｎｄａｒｄｉｚａｔｉｏｎ０ 引言在网络入侵检 测 中， 过多的噪声特征和冗余 特 征 严 重 影响了入侵检测系统的性能和准确率， 优化特征选择是入 侵检测系统解决该问题的有效途径。特征选择是从一组特征中筛选出对分类器分类性能影 响最重要的特征 子 集， 并在不明显影响分类检测率的情况 下，挑选出最优特征组合的过程。 特征选择不仅可以 降 低 特征的维数，降低特征提取以及系统数据处理的难度， 还 能够剔除 数据集中的冗余和噪声特 征， 提 高 系 统 效 率。 Ｆｉｓｈｅｒ准则是一种 有效的特征评价准则， 可以很好地剔除 噪声特征， 降 低 特 征 维 数。 但 Ｆｉｓｈｅｒ准则独立于分类器 ，其需要与其它技 术 相 结 合， 以有效确定出对分类最优的特 征组合。文献 ［１］ 提出一种基于改进的 Ｆｉｓｈｅｒ准 则的特征 选择算法用于文本情感分类；文献 ［２］ 将基于支持向量机 和 Ｆｉｓｈｅｒ准则相结合进行特征选择 ；文献 ［３］ 则采用基于 Ｆｉｓｈｅｒ准则和特征聚类进行特征选择 。本文提出一种基于 Ｆｉｓｈｅｒ分和支持向量机相结合的特 征选择