论文部分内容阅读
为了提高网络入侵检测的正确率，提出一种基于KNN-IPSO选择特征的网络入侵检测模型（KNN-IPSO）。首先采用K近邻算法消除原始网络数据中的冗余特征，并将其作为粒子群算法的初始解，然后采用粒子群算法找到最优特征子集，并对粒子的惯性权重进行自适应调整和种群进行混沌操作，帮助种群跳出局部最优，最后采用KDD CUP 99数据集对KNN-IPSO的性能进行测试。结果表明，KNN-IPSO消除了冗余特征，降低了分类器的输入维数，有效提高了入侵检测正确率和检测速度。