[发明专利]基于信息增益的PSO特征选择权重入侵检测方法及系统

说明书

本发明提出了一种基于信息增益的PSO特征选择权重入侵检测方法及系统，该方法包括获取目标对象数据，形成作为入侵检测的基础数据样本集，并基于覆盖算法对基础数据样本集处理后，获取测试样本集以及测试样本集的分类结果；对所述测试样本集进行预处理之后，基于信息增益度量特征子集的权重以及粒子群优化算法形成符合入侵检测的测试样本集；分析所述基础数据集，检测出具有攻击行为的数据；根据所述具有攻击行为的数据作出报警。通过本发明的方案较好地消除了冗余特征，降低了检测数据的维数，加速了检测的效率，使整个入侵检测的性能有了较大的提升。

技术领域

本发明属入侵检测技术领域，涉及基于信息增益的PSO特征选择权重入侵检测方法及系统。

背景技术

粒子群优化(Particle Swarm Optimization，PSO)是一种基于多个智能体的仿生优化算法，它是基于群体的，依据对环境的适应度将群体中的个体移动到较好的区域，依据随机解，通过不断的迭代操作来寻找到最终最优解。它是按照适应度来评价目标解，是根据当前搜索到的最优解来搜寻全局最优解。该算法具有操作简单、精度高、收敛速度快等诸多优点，因而在图像处理、函数优化、大地测量等众多领域都得到了广泛的应用。

粒子群优化算法粒子非常容易陷入局部最优，一旦陷入局部最优，粒子运行的速度几乎没有变化，种群多样性就会快速减小，很难跳出局部最优。

发明内容

为解决上述技术问题，本发明提出了一种基于信息增益的PSO特征选择权重入侵检测方法及系统，通过本发明的方案较好地消除了冗余特征，降低了检测数据的维数，加速了检测的效率，使整个入侵检测的性能有了较大的提升。

根据本发明的一个实施例，本发明提供了一种基于信息增益的PSO特征选择权重入侵检测的方法，所述方法包括，

步骤S1、获取目标对象数据，形成作为入侵检测的基础数据样本集，并基于覆盖算法对基础数据样本集进行处理，获取测试样本集以及测试样本集的分类结果；

步骤S2、对分类后的测试样本集进行预处理，然后基于信息增益度量特征子集的权重以及粒子群优化算法形成符合入侵检测的测试样本集；

步骤S3、分析所述基础数据集，检测出具有攻击行为的数据；

步骤S4、根据所述具有攻击行为的数据作出报警。

优选的，所述步骤S1中获取的目标对象数据包括网络流量数据、系统日志数据、行为日志数据。

优选的，所述基于覆盖算法基于基础数据样本集获取测试样本集以及测试样本集的分类结果，具体为，

步骤S101、根据预先存储的当前的所有目标对象数据内容，建立基于目标对象的数据检测范围，该检测范围包括所有率属于该目标对象的数据类别；

步骤S102、获取目标对象数据后，将基础数据样本集与预先建立的目标对象数据检测范围进行对比，判断获取的目标对象数据是否属于目标对象，如果不属于则剔除，保留所有率属于该目标对象的待检测数据，形成测试样本集；

步骤S103、对测试样本集进行分类，得到分类后的测试样本集。

优选的，对分类后的测试样本集进行预处理，判断所述测试样本集中的数据中是否包含字符型特征，如果是，则将所述具有字符型特征的数据数值化处理。

优选的，所述基于信息增益度量特征子集的权重以及粒子群优化算法形成符合入侵检测的测试样本集，包括，

S201、输入所述测试样本集，将所述测试样本集中的数据的每个特征按一预设规则进行排序；

S202、设置一零矩阵P，并进行初始化，将所述特征的权重存放于所述零矩阵中，计算出特征数m；