论文研究特征选择和分类器优化耦合的网络入侵检测.pdf

针对网络入侵中特征选择与分类器参数不匹配问题，提出一种特征选择和分类器优化耦合的网络入侵检测模型（F-SVM）。通过径向基核函数将网络特征的评估标准映射至高维空间进行计算，建立网络特征评估和后续网络入侵分类器之间的联系，在特征选择阶段解决了分类器的参数设计问题，建立网络入侵检测模型，并采用KDD99数据集对F-SVM的性能进行测试。结果表明，F-SVM不仅可以消除无用、冗余特征，网络特征的维数显著降低，而且获得了网络入侵分类器的最优参数，从而提高了网络入侵检测的正确率和检测效率。