GATS-LSVM:新的网络入侵检测方法  

GATS-LSVM:a new network intrusion detection method

作　　者：李文法[1,2] 孙连英[1,2] 刘畅[1,2] 马小军[1,2] 

机构地区：[1]北京联合大学信息服务工程重点实验室,北京100101 [2]北京联合大学信息学院,北京100101

出　　处：《高技术通讯》2013年第5期450-455,共6页Chinese High Technology Letters

基　　金：863计划(2007AA01Z416);北京联合大学新起点计划(ZK201204);人才强校计划人才(BPHR2011A04)资助项目

摘　　要：针对现有网络入侵检测方法的不足,提出了一种新的网络入侵检测方法——GATS-LSVM算法。该方法采用遗传算法(GA)与禁忌搜索(TS)相混合的搜索策略对特征子集空间进行随机搜索,利用提供的数据在无约束优化线性支持向量机(LSVM)上的分类错误率作为特征子集的评估标准获取最优特征子集,从而有效地对入侵进行检测。大量基于著名的KDD Cup 1999数据集的实验表明,该新方法相对于其它一些传统的网络入侵检测方法,能在保证较高检测率的前提下,有效地降低误报率、入侵检测的计算复杂度和提高检测速度,能更适用于现实高速网络应用环境。Aiming at the shortcomings of existing network intrusion detection approaches, a new network intrusion detection scheme, called the GATS-LSVM algorithm, was proposed. The scheme uses the hybrid genetic algorithm （GA） and tabu search （TS） as the search strategy to specify a candidate subset for evaluation, and then uses the linear support vector machine （LSVM） as the evaluation function to obtain the optimum feature subset by the data classification error rate, so as to boost the detection performance. A series results of the experiment conducted based on the KDD cup 1999 dataset demonstrate that the proposed method has the higher detection rate and lower false alarm rate. Furthermore, the proposed method can reduce computational resources of intrusion detection, improve the detection speed and is more suitable for the real network applications than the traditional ones.

关 键 词：网络入侵检测 遗传算法(GA) 禁忌搜索(TS) 线性支持向量机(LSVM) 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术]