入侵数据特征并行选择算法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

入侵数据特征并行选择算法

文章导航 > 电子科技大学学报 > 2008 > 37(2): 266-269

于泠, 陈波. 入侵数据特征并行选择算法[J]. 电子科技大学学报, 2008, 37(2): 266-269.

引用本文:

于泠, 陈波. 入侵数据特征并行选择算法[J]. 电子科技大学学报, 2008, 37(2): 266-269.

YU Ling, CHEN Bo. Parallel Algorithm of Feature Reduction in Intrusion Data[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(2): 266-269.

Citation:

YU Ling, CHEN Bo. Parallel Algorithm of Feature Reduction in Intrusion Data[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(2): 266-269.

入侵数据特征并行选择算法

于泠^1,2,
陈波²

1.
解放军理工大学通信工程学院南京 210007;
2.
南京师范大学计算机系南京 210097

基金项目:

江苏省普通高校自然科学研究计划(06KJD520101);江苏省自然科学基金(BK2005135)

作者简介:
于泠(1971-),女,博士生,讲师,主要从事网络信息安全、数据挖掘、人工智能等方面的研究.

中图分类号: TP393.08

Parallel Algorithm of Feature Reduction in Intrusion Data

YU Ling^1,2,
CHEN Bo²

1.
Institute of Communication Engineering,PLA University of Science and Technology Nanjing 210007;
2.
Department of Computer Science,Nanjing Normal University Nanjing 210097

摘要: 用知识的条件粗糙熵定义了特征的相对重要性,提出了一种基于条件粗糙熵的入侵数据特征并行选择算法。算法首先将入侵数据决策表划分成多个子表,然后利用特征的相对重要性对各子表并行求解,最后以子表选出的局部特征为基础求得原决策表的约简。实验表明,该算法适用于大规模的入侵数据集,选出的特征属性不仅可以大大减少数据在存储、分析以及各组件共享中的代价,还能够保持并提高入侵分类的准确性。
- 特征选择 /
- 入侵检测 /
- 并行算法 /
- 粗糙熵 /
- 粗糙集
Abstract: This paper defines the importance of attack features using conditional rough entropy of knowledge and presentes a parallel algorithm of optimal feature selection in intrusion data based on conditional rough entropy. The algorithm divides the decision table of intrusion data into several sub-tables, and then the conditional rough entropy is used for the parallel computing of the sub-tables. Finally, the original decision table reduction is obtained based on the part reduction results from the sub-tables. The proposed algorithm has good performance and is good at dealing with the huge volume of data. The experimental results show that it is effective to reduce the storage requirements of the dataset and the computational cost, and it can increase the detection speed and without sacrificing the detection correctness by using the reduced feature subset.
- feature selection /
- intrusion detection /
- parallel algorithm /
- rough entropy /
- rough set

[1]	周丰丰, 孙燕杰, 范雨思. 基于miRNA组学的数据增强算法 . 电子科技大学学报, 2023, 52(2): 182-187. doi: 10.12178/1001-0548.2023002
[2]	孙长印, 梁有为, 江帆, 王军选. 场景化毫米波特征选择和波束预测算法 . 电子科技大学学报, 2023, 52(5): 689-698. doi: 10.12178/1001-0548.2022214
[3]	张俐. 基因数据的交互依赖特征选择算法 . 电子科技大学学报, 2022, 51(5): 754-759. doi: 10.12178/1001-0548.2021136
[4]	郜东瑞, 周晖, 冯李逍, 张云霞, 彭茂琴, 张永清. 基于特征融合和粒子群优化算法的运动想象脑电信号识别方法 . 电子科技大学学报, 2021, 50(3): 467-475. doi: 10.12178/1001-0548.2020107
[5]	宋勇, 蔡志平. 一种基于信息论模型的入侵检测特征提取方法 . 电子科技大学学报, 2018, 47(2): 267-271. doi: 10.3969/j.issn.1001-0548.2018.02.017
[6]	陈玉明, 朱清新, 曾志强, 孙金华, 唐朝辉. 基于邻域粗糙集与鱼群智能的基因选择方法 . 电子科技大学学报, 2018, 47(1): 99-104. doi: 10.3969/j.issn.1001-0548.2018.01.015
[7]	薛金蓉, 张洪斌. 等价类中弱函数依赖的粗糙集度量 . 电子科技大学学报, 2013, 42(6): 935-938. doi: 10.3969/j.issn.1001-0548.2013.06.024
[8]	孙晶涛, 张秋余, 袁占亭, 董建设. 博弈论在邮件特征选择中的应用 . 电子科技大学学报, 2011, 40(1): 95-99. doi: 10.3969/j.issn.1001-0548.2011.01.018
[9]	朱颢东, 李红婵, 钟勇. 新颖的无监督特征选择方法 . 电子科技大学学报, 2010, 39(3): 412-415. doi: 10.3969/j.issn.1001-0548.2010.03.019
[10]	廖臣, 祝大军, 刘盛纲. 五点差分格式求解泊松方程并行算法的研究 . 电子科技大学学报, 2008, 37(1): 81-83,127.
[11]	雷霖, 代传龙, 王厚军, 赵旭. 粗糙集-神经网络集成的WSN节点故障诊断 . 电子科技大学学报, 2008, 37(4): 565-568.
[12]	刘才铭, 张雁, 赵辉, 彭凌西, 曾金全. 多级免疫检测器集在分布式入侵检测中的应用 . 电子科技大学学报, 2007, 36(6): 1179-1182.
[13]	程永新, 许家珆, 陈科. 一种新型入侵检测模型及其检测器生成算法 . 电子科技大学学报, 2006, 35(2): 235-238.
[14]	彭宏. 基于粗糙集理论的入侵检测方法研究 . 电子科技大学学报, 2006, 35(1): 108-110,136.
[15]	陈波, 于泠, 肖军模. SA算法在基于模型推理入侵检测中的应用 . 电子科技大学学报, 2005, 34(1): 36-39.
[16]	舒兰, 赵磊. 粗糙集的模糊性 . 电子科技大学学报, 2005, 34(1): 124-126.
[17]	黄羽, 黄迪明, 何险峰, 武明. 遗传算法在入侵检测中的应用 . 电子科技大学学报, 2003, 32(6): 679-682.
[18]	赵磊, 舒兰. 模糊粗糙集的分解定理 . 电子科技大学学报, 2001, 30(6): 647-650.
[19]	林水生, 黄顺吉. 一种合成孔径雷达成像处理的并行算法 . 电子科技大学学报, 1998, 27(1): 1-4.
[20]	林水生, 黄顺吉. 一种面向MIMD并行机实现的FFT并行算法 . 电子科技大学学报, 1997, 26(6): 621-626.

WeChat

点击查看大图

计量

文章访问数: 3522
HTML全文浏览量: 136
PDF下载量: 56
被引次数: 0

入侵数据特征并行选择算法

于泠^1,2,
陈波²

1. 解放军理工大学通信工程学院南京 210007;

2. 南京师范大学计算机系南京 210097

基金项目:

江苏省普通高校自然科学研究计划(06KJD520101);江苏省自然科学基金(BK2005135)

作者简介:
于泠(1971-),女,博士生,讲师,主要从事网络信息安全、数据挖掘、人工智能等方面的研究.

收稿日期: 2006-07-04
修回日期: 2006-12-09
刊出日期: 2008-04-15

中图分类号: TP393.08

关键词:

摘要: 用知识的条件粗糙熵定义了特征的相对重要性,提出了一种基于条件粗糙熵的入侵数据特征并行选择算法。算法首先将入侵数据决策表划分成多个子表,然后利用特征的相对重要性对各子表并行求解,最后以子表选出的局部特征为基础求得原决策表的约简。实验表明,该算法适用于大规模的入侵数据集,选出的特征属性不仅可以大大减少数据在存储、分析以及各组件共享中的代价,还能够保持并提高入侵分类的准确性。

English Abstract

于泠, 陈波. 入侵数据特征并行选择算法[J]. 电子科技大学学报, 2008, 37(2): 266-269.

引用本文:

于泠, 陈波. 入侵数据特征并行选择算法[J]. 电子科技大学学报, 2008, 37(2): 266-269.

YU Ling, CHEN Bo. Parallel Algorithm of Feature Reduction in Intrusion Data[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(2): 266-269.

Citation:

YU Ling, CHEN Bo. Parallel Algorithm of Feature Reduction in Intrusion Data[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(2): 266-269.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发