面向网络攻击数据集特征选择的集成方法
密码学与安全
2009-12-08 v1 机器学习
摘要
特征选择是挖掘海量数据集时不可或缺的预处理步骤，能显著提升系统整体性能。因此，本文聚焦于一种混合特征选择方法。该方法分为两个阶段：过滤阶段选择信息增益最高的特征，并指导包装阶段搜索过程的初始化，包装阶段输出最终特征子集。最终特征子集通过K近邻分类器进行攻击分类。该算法的有效性在DARPA KDDCUP99网络攻击数据集上得到了验证。
引用
@article{arxiv.0912.1014,
title = {An ensemble approach for feature selection of Cyber Attack Dataset},
author = {Shailendra Singh and Sanjay Silakari},
journal= {arXiv preprint arXiv:0912.1014},
year = {2009}
}
备注
6 pages IEEE format, International Journal of Computer Science and Information Security, IJCSIS November 2009, ISSN 1947 5500, http://sites.google.com/site/ijcsis/