利用特征约简提升多类入侵检测系统性能
网络与互联网体系结构
2015-07-27 v1
摘要
由于基于网络的技术急剧增长，入侵检测系统（IDS）如今受到研究者的广泛关注。策略违规和未授权访问日益增多，使得入侵检测系统变得至关重要。现有改进入侵检测系统的方法侧重于特征选择或约简，因为某些特征不相关或冗余，移除后可提高准确率并缩短学习时间。本文提出了一种结合基于相关性的特征选择与信息增益的混合特征选择方法。在我们的工作中，我们使用朴素贝叶斯作为弱（基）分类器进行自适应提升。我们研究的关键在于，我们能够在精确判定攻击的同时，以更少的特征数量提升检测准确率。实验结果表明，与仅使用5类问题的方法相比，我们提出的方法取得了更高的准确率。相关性计算采用贪婪搜索策略，并以朴素贝叶斯作为分类器在约简后的NSL-KDD数据集上进行。
引用
@article{arxiv.1507.06692,
title = {Improving the Performance of Multi-class Intrusion Detection Systems using Feature Reduction},
author = {Yasmen Wahba and Ehab ElSalamouny and Ghada ElTaweel},
journal= {arXiv preprint arXiv:1507.06692},
year = {2015}
}