[发明专利]基于免疫策略的流量数据最优特征子集获取方法及装置

说明书

本发明公开了基于免疫策略的流量数据最优特征子集获取方法、装置、计算机设备及存储介质，由初始化种群和入侵检测数据集一同结合多目标免疫算法，获取种群分布性最佳的进化后非支配个体集，以通过进化后非支配个体集中的个体对客户端的当前网络流量数据进行冗余特征简化后快速分类，降低了数据量，降低了分类的计算复杂度，提高分类性能。

技术领域

本发明涉及网络入侵检测技术领域，尤其涉及一种基于免疫策略的流量数据最优特征子集获取方法、装置、计算机设备及存储介质。

背景技术

随着互联网的普及和技术的快速发展，出现了越来越多的网络入侵事件。作为一种广泛使用的预防技术，入侵检测系统(IDS)已经变得越来越重要，这也是近年来研究的热点。

IDS是一种分类器，用于分析网络流量数据类型，可以准确地识别网络的各种攻击。IDS部署在服务器时，来自外部网络的数据通过防火墙先到达IDS，由IDS评估数据的类型并将其返回给防火墙，普通数据可以通过防火墙到达服务器，而攻击数据将被防火墙过滤。

通常网络流量数据非常庞大，并且具有某些冗余或不相关的特征，传统的IDS没有选择和提取网络流量特征，而是使用完整的流量数据，这会降低分类速度，甚至影响分类精度。

发明内容

本发明实施例提供了一种基于免疫策略的流量数据最优特征子集获取方法、装置、计算机设备及存储介质，旨在解决现有技术中入侵检测系统没有选择和提取网络流量特征，而是使用完整的流量数据，这会降低分类速度，甚至影响分类精度的问题。

第一方面，本发明实施例提供了一种基于免疫策略的流量数据最优特征子集获取方法，应用于客户端，其包括：

根据预设的种群大小值进行初始化，得到初始化种群；其中，所述初始化种群中包括多个个体，多个个体的总个数与所述种群大小值相等，每一个体对应一个二进制序列，每一个体对应的二进制序列中包括的特征数量与网络流量数据的特征数量相等；

获取预先存储的入侵检测数据集，通过所述初始化种群中每一个体对所述入侵检测数据集进行特征选择及输入至预先训练的自组织神经网络进行分类，得到所述初始化种群中每一个体对应的分类结果集；

调用预先存储的多目标策略，将所述初始化种群中每一个体对应的分类结果集作为多目标策略的输入，获取所述初始化种群中每一个体对应的分类结果集相对应的目标值集合；

调用预先设置的克隆比例参数，获取所述初始化种群对应的非支配个体集，并对应获取所述非支配个体集中每一非支配个体分别对应的目标值集合；其中，将所述初始化种群中非支配个体集的补集记为筛选个体集，所述非支配个体集中每一非支配个体对应的目标值集合各目标值均大于或等于筛选个体集中每一筛选个体对应的目标值集合各目标值；

调用预设的聚集距离策略以获取所述非支配个体集中每一非支配个体对应的聚集距离，调用预设的克隆概率策略以获取所述非支配个体集中每一非支配个体对应的克隆概率，将所述非支配个体集中每一非支配个体根据对应的克隆概率进行克隆，得到与所述非支配个体集相对应的克隆后个体集；

将所述克隆后个体集与所述初始化种群依次进行混合、去重、交叉处理和变异处理，得到进化后种群；

调用所述种群大小值，获取所述进化后种群对应的进化后非支配个体集；其中，将所述进化后种群中进化后非支配个体集的补集记为进化后筛选个体集，所述进化后非支配个体集中每一进化后非支配个体对应的目标值集合各目标值均大于或等于进化后筛选个体集中每一进化后筛选个体对应的目标值集合各目标值；所述进化后非支配个体集中的进化后非支配个体的总个数等于所述种群大小值；

获取当前迭代代数，将所述当前迭代代数加一以作为当前迭代代数，判断所述当前迭代代数是否达到预设的最大迭代代数；其中，所述当前迭代代数的初始值为0；