亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        群體智能在入侵檢測特征選擇中的應(yīng)用綜述

        2020-08-19 06:47:29粱本來
        電腦知識與技術(shù) 2020年19期
        關(guān)鍵詞:入侵檢測特征選擇信息安全

        粱本來

        摘要:群體智能在特征選擇中的研究與應(yīng)用是當今入侵檢測領(lǐng)域的一個研究熱點。參閱大量相關(guān)文獻,分析不同群體智能優(yōu)化算法求解特征子集的應(yīng)用及改進方法,總結(jié)其優(yōu)缺點。列舉了一些不同群體智能優(yōu)化算法的結(jié)合及改進方法,取得了較為明顯的效果,這也是今后入侵檢測領(lǐng)域的一個研究趨勢。

        關(guān)鍵詞:特征選擇;特征子集;群體智能;入侵檢測;信息安全

        中圖分類號:TP309 文獻標識碼:A

        文章編號:1009-3044(2020)19-0030-03

        開放科學(xué)(資源服務(wù))標識碼(0SID):

        1 引言

        信息化時代,信息安全問題日益突出,防火墻(FW)、入侵檢測系統(tǒng)(IDS)等安全設(shè)備變得愈加重要。不同于FW設(shè)備被動地執(zhí)行策略防護內(nèi)網(wǎng),IDS能夠主動發(fā)現(xiàn)網(wǎng)絡(luò)入侵行為,彌補FW的不足,全面保護內(nèi)網(wǎng)安全。

        IDS從實現(xiàn)模式上分為誤用檢測系統(tǒng)和異常檢測系統(tǒng)。誤用檢測系統(tǒng)建立已知入侵特征庫,如果網(wǎng)絡(luò)訪問行為匹配該特征庫,則被識別為人侵行為。該系統(tǒng)查準率較高,但缺點也很明顯,不能識別未知入侵行為,因此實用價值相對較低[1]。異常檢測系統(tǒng)建立正常的網(wǎng)絡(luò)訪問行為特征庫,如果某條訪問行為與特征庫匹配偏差較大,則被識別為人侵行為。該系統(tǒng)可以識別未知入侵,因此成為學(xué)者的研究熱點[2]。但如今的網(wǎng)絡(luò)信息量呈指數(shù)級增長,網(wǎng)絡(luò)流量包含大量的特征信息,使得異常檢測系統(tǒng)的行為特征庫難以被全面準確地建立。為解決這一關(guān)鍵問題,越來越多的文獻采用群體智能優(yōu)化算法求解特征子集,以求最大程度去除冗余特征,從而提升IDS模型的檢測性能。

        2 群體智能算法概述

        群體智能(SI)是對群體動物行為的模仿基礎(chǔ)之上進行改進創(chuàng)造的一種智能優(yōu)化算法,是一組自由個體通過相互協(xié)作對設(shè)定目標進行尋優(yōu)的啟發(fā)式搜索算法[3]。在入侵檢測領(lǐng)域中,大量文獻是基于蟻群算法、粒子群算法等SI算法進行改進求解特征子集,使得IDS模型的檢測性能在特定條件下得到一定程度的提升。

        3 群體智能在入侵檢測特征選擇中的應(yīng)用研究

        3.1 蟻群算法

        Marco Dorigo于1992年提出蟻群算法(AC0)[4]。螞蟻個體之間通過傳遞信息素,可以搜索到達食物的最優(yōu)路徑。傳統(tǒng)ACO通常用來求解最短路徑,改進ACO可以用于求解特征子集。

        文獻[5]將網(wǎng)絡(luò)訪問行為特征點轉(zhuǎn)換成對應(yīng)的拓撲,利用ACO求解特征子集,該文獻較為完整地介紹了ACO在特征向量圖中搜索特征子集的過程。文獻[6]對ACO進行了改進,設(shè)置動態(tài)調(diào)整參數(shù),更進一步去除了冗余特征。

        3.2 粒子群算法

        James Kennedy等學(xué)者于1995年提出粒子群算法(PS0)[7]。鳥群中的個體被抽象為粒子,每個粒子都是一個潛在解,并通過追隨當前搜索到的最優(yōu)粒子來尋找最優(yōu)解。

        文獻[8]提出一種新的變異策略改進PSO算法,提升了全局搜索性能。文獻[9]提出一種改進粒子群聯(lián)合禁忌搜索的特征選擇算法IPSO-TS,較為有效地去除了冗余特征。

        3.3 人工蜂群算法

        Karaboga于2005年提出人工蜂群算法(ABC)[10]。蜜源相當于可行解,通過蜂群個體之間協(xié)作,可以實現(xiàn)采蜜蜂、旁觀蜂、偵查蜂三種角色之間的智能轉(zhuǎn)換,經(jīng)過多次迭代后求得最優(yōu)解。

        文獻[11]改進了ABC算法,采用模糊C-means分類計數(shù)劃分訓(xùn)練數(shù)據(jù)集,采用基于相關(guān)性的特征選擇(CFS)刪除相關(guān)度低的特征。文獻[12]將ABC算法用于優(yōu)化神經(jīng)網(wǎng)絡(luò),設(shè)置神經(jīng)網(wǎng)絡(luò)的誤差為ABC算法的適應(yīng)度,提高了IDS模型的檢測精度。

        3.4飛蛾撲火算法

        Mirjalili于2015年提出飛蛾撲火算法(MFO)。飛蛾根據(jù)自身火焰更新位置,迭代求出最優(yōu)解,其中火焰是飛蛾目前為止的最佳位置[13]。文獻[14]中提出一種飛蛾混沌捕焰優(yōu)化算法,采用縱橫交叉機制,提高了算法精確度。

        3.5 蝙蝠算法

        Yang教授于2010年提出蝙蝠算法(BA),通過模擬蝙蝠群體搜索獵物的行為來搜索全局最優(yōu)解[15]。

        文獻[16]通過BA算法提升網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型的運行效率、精度和可靠性。文獻[17]提出一種蝙蝠算法聯(lián)合選擇特征和分類器參數(shù)的入侵檢測模型,有效地減少了冗余特征,提高了IDS模型的檢測率。

        3.6 灰狼優(yōu)化算法

        Seyedali Mirj alili于2014年提出灰狼優(yōu)化算法(GWO)[18],通過模仿自然界灰狼的領(lǐng)導(dǎo)層次和狩獵機制,分為四種角色和三大步驟,實現(xiàn)對最優(yōu)解的尋找。

        Jitendra Kumar Seth最先將GWO算法用于入侵檢測特征選擇,實驗表明GWO算法效果較優(yōu)[19]。文獻[20]提出用于入侵檢測特征選擇的DGSBGWO算法,該算法基于距離貪心策略改進傳統(tǒng)GWO算法,有效精簡了特征子集,進一步去除了冗余特征。

        3.7 群體智能算法的對比分析

        參閱以上文獻,分析不同SI算法在求解特征子集問題中的優(yōu)缺點,匯總于表1。

        分析表1,可以看出每種SI算法均存在一定的優(yōu)缺點,使用單一的SI算法難以更進一步有效提取特征子集,使得IDS模型的檢測性能提升面臨瓶頸問題。

        4 群體智能算法的研究趨勢

        為解決單-SI算法固有的缺點,已有一些文獻研究不同SI算法之間的結(jié)合及改進。文獻[21]結(jié)合PSO算法及MFO算法的優(yōu)點,提出一種融合PSO的二進制飛蛾撲火優(yōu)化算法(BPMFO)。實驗表明,該算法求解的特征子集精度較高,效率和穩(wěn)定性也有明顯優(yōu)勢。文獻[22]提出一種ACO算法和遺傳算法(GA)相結(jié)合的IDS模型,首先通過GA算法對特征初步降維,然后使用ACO算法進一步求解特征子集。實驗表明,該IDS模型的召回率和查準率較高,顯著提升了檢測性能。

        目前為止,不同SI算法的結(jié)合改進研究與應(yīng)用仍處于起步階段,可參閱文獻不多,但通過文獻[21-22]的實驗驗證了其效果,這將是今后入侵檢測領(lǐng)域的研究熱點和趨勢。

        5 結(jié)論

        利用SI算法進行特征選擇是入侵檢測領(lǐng)域的研究熱點,本文分析了一些常見的SI算法求解特征子集的應(yīng)用及改進方法,總結(jié)了不同SI算法的優(yōu)缺點。針對單-SI算法的缺點,筆者參閱文獻列舉出了一些不同SI算法的結(jié)合及改進方法,這些方法取得了較為明顯的效果,也是今后入侵檢測領(lǐng)域的一個研究趨勢。

        參考文獻:

        [1]姜濱.基于特征選擇的網(wǎng)絡(luò)入侵檢測模型[J].現(xiàn)代電子技術(shù),2019,42(1):87-90.

        [2]龔儉,王卓然,蘇琪,等.面向網(wǎng)絡(luò)安全事件的入侵檢測與取證分析[J].華中科技大學(xué)學(xué)報(自然科學(xué)版),2016,44(11):30-33.

        [3]姜照昶,蘇寧,丁凱孟.群體智能計算的多學(xué)科方法研究進展[J].計算機與數(shù)字工程,2019,47(12):3053-3058.

        [4] Tang P S,Tang X L,Tao Z Y,et al.Research on feature se-lection algorithm based on mutual information and genetic al-gorithm[C].lntemational Computer Conference on Wavelet Ac-tive Media Technology and Information Processing. IEEE,2014:403-406.

        [5] MEHDl H A,PEYMAN K.Feature Selection for Intrusion De-tection System Using Ant Colony Optimization [J]. Internation-al Journal of Network Security, 2016, 18(3): 420-432.

        [6]王峰.蟻群算法在網(wǎng)絡(luò)入侵特征選擇上的應(yīng)用研究[D].長沙:湖南大學(xué),2017.

        [7] GHAMISl P,BENEDIKTSSON J A.Feature selection basedon hybridization of genetic algorithm and particle swarm opti-mization[J].IEEE on Geoscience and Remote Sensing Letters,2015.12(2):309-313.

        [8] Zhang Y D,Wang S H,Phillips P,et al.Binary PSO with mu-tation operator for feature selection using decision tree appliedto spam detection [J]. Knowledge- Based Systems, 2014, 64(1): 22-31.

        [9]張震,魏鵬,李玉峰.改進粒子群聯(lián)合禁忌搜索的特征選擇算法[J].通信學(xué)報,2018,39(12):60-68.

        [10] Karaboga D,Ozturk C.A Novel Clustering Approach Artifi-cial Bee Colony (ABC) Algorithm[J].Applied Soft Computing,2011,11(1):652-657.

        [11]譚繼安,關(guān)繼夫.基于人工蜂群算法的分布式入侵攻擊檢測系統(tǒng)[J].計算機應(yīng)用與軟件,2019,36(3):326-333.

        [12]沈夏炯,王龍,韓道軍.人工蜂群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在入侵檢測中的應(yīng)用[Jl,計算機工程,2016,42(2):190-194.

        [13]李志明,莫愿斌,張森.一種新穎的群智能算法:飛蛾撲火優(yōu)化算法[J].電腦知識與技術(shù),2016,12(31):172-176.

        [14]吳偉民,李澤熊,林志毅,等.飛蛾縱橫交叉混沌捕焰優(yōu)化算法[Jl.計算機工程與應(yīng)用,2018,54(3):136-141.

        [15]賀興時,丁文靜,楊新社.基于模擬退火高斯擾動的蝙蝠優(yōu)化算法[J].計算機應(yīng)用研究,2014,31(2):392-397.

        [16]徐國鋒,李明珠,李樹峰.蝙蝠算法優(yōu)化RVM的校園網(wǎng)絡(luò)安全研究[J].信息技術(shù),2020(1):153-158.

        [17]冷令.蝙蝠算法聯(lián)合選擇特征和分類器參數(shù)的入侵檢測[J].計算機應(yīng)用與軟件,2014,31(7):294-296,306.

        [18] Mirjalili S,Mirjalili S M,Lewis A.Grey Wolf Optimizer[J].Ad-vances in Engineering Software,2014,69(3):46-61.

        [19] Seth J K,Chandra S.IntIusion detection based on key fea-ture selection using binary GWO[C]// International Conferenceon Computing for Sustainable Global Development,2016.

        [20]童坤.基于改進GWO算法的入侵檢測特征選擇研究[D].武漢:湖北工業(yè)大學(xué),2019.

        [21]徐慧,方策,劉翔,等.改進的飛蛾撲火優(yōu)化算法在網(wǎng)絡(luò)入侵檢測系統(tǒng)中的應(yīng)用[J].計算機應(yīng)用,2018,38{11):3231-3235,3240.

        [22]袁琴琴,呂林濤.基于改進蟻群算法與遺傳算法組合的網(wǎng)絡(luò)入侵檢測[J].重慶郵電大學(xué)學(xué)報(自然科學(xué)版),2017,29(1):84-89.

        【通聯(lián)編輯:代影】

        基金項目:廣東省普通高校青年創(chuàng)新人才項目(2017GkQNCX085);中山市社會公益科技研究項目(201982046);中山職業(yè)技術(shù)學(xué)院青年科研骨干教師培養(yǎng)項目(2019GG05)。

        作者簡介:梁本來(1983-),山東濟寧人,副教授,碩士研究生,CCF會員(66132M),研究方向為信息安全與人工智能。

        猜你喜歡
        入侵檢測特征選擇信息安全
        保護信息安全要滴水不漏
        高校信息安全防護
        Kmeans 應(yīng)用與特征選擇
        電子制作(2017年23期)2017-02-02 07:17:06
        基于入侵檢測的數(shù)據(jù)流挖掘和識別技術(shù)應(yīng)用
        藝術(shù)類院校高效存儲系統(tǒng)的設(shè)計
        基于網(wǎng)絡(luò)規(guī)劃識別的入侵檢測結(jié)構(gòu)
        基于關(guān)聯(lián)規(guī)則的計算機入侵檢測方法
        保護個人信息安全刻不容緩
        聯(lián)合互信息水下目標特征選擇算法
        信息安全
        江蘇年鑒(2014年0期)2014-03-11 17:10:07
        国产成人无码免费视频在线| 精品亚洲国产亚洲国产| 国产精品国产三级国产专区不| 呦系列视频一区二区三区| 日韩五码一区二区三区地址| 丰满熟妇乱又伦精品| 免费人成网站在线观看欧美| 久久无码专区国产精品s| 麻豆国产高清精品国在线| 国产成人午夜av影院| 亚洲av日韩一卡二卡| 色avav色av爱avav亚洲色拍 | 中文字幕精品一区二区精品| 醉酒后少妇被疯狂内射视频| 成人a在线观看| 久久se精品一区二区国产| 水蜜桃网站视频在线观看| 午夜三级a三级三点在线观看| 国产suv精品一区二区| 美女熟妇67194免费入口| 国产一区二区三区青青草| 免费va国产高清大片在线| 最近日韩激情中文字幕| 精品一区二区三区女同免费 | 亚洲综合色视频在线免费观看| 人妖一区二区三区四区| 亚洲午夜精品久久久久久人妖| 中文字幕无码免费久久99| aa日韩免费精品视频一| 人妻精品在线手机观看| 国产成人午夜无码电影在线观看| 中字幕久久久人妻熟女| 国产美女三级视频网站| 日韩一区二区中文天堂| 国产精品毛片va一区二区三区| 国产精品久久久久久妇女6080| 国产精品爽爽VA吃奶在线观看| 亚洲精品一区三区三区在线| 中文字幕在线日亚州9| 永久免费观看的毛片手机视频| 国产人成视频免费在线观看|