文献类型：期刊文章

作　　者：戴远飞[1,2] 陈星[1,2] 陈宏[3] 叶靓[1,2] 林俊鑫[1,2] 郭文忠[1,2]

机构地区：[1]福州大学数学与计算机科学学院,福州350108 [2]福建省网络计算与智能信息处理重点实验室,福州350108 [3]国网信通亿力科技有限责任公司,福州350003

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61402111);福建科技重大项目(2015H6013);厦门市重大科技计划项目(3502Z20151010)

年　　份：2017

卷　　号：34

期　　号：8

起止页码：2429-2433

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对现有入侵检测算法中存在着冗余或噪声特征导致的检测模型精度下降与训练时间过长的问题进行了研究,将特征选择算法引入到入侵检测领域,提出了一种基于特征选择的入侵检测方法。利用不同的离散化与特征选择算法生成具有差异的多个最优特征子集,并对每个特征子集进行归一化处理,用分类算法对提取后的特征进行学习建模。通过实验将该方法与基于传统算法(决策树、朴素贝叶斯、支持向量机)的入侵检测方法作比较,实验结果表明,该方法有效地提高了检测攻击的准确率,并且降低了模型的训练时间。

关 键 词：入侵检测 特征选择  机器学习  

分 类 号：TP393.08]