[發明專利]一種基于快速KNN算法的入侵檢測方法

有效

• 申請號: 201310666303.2
• 申請日: 2013-12-10
• 公開（公告）號: CN103618744B
• 公開（公告）日: 2017-01-11
• 發明（設計）人: 張雪芹;曹慶;顧春華
• 申請（專利權）人: 華東理工大學
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 上海科盛知識產權代理有限公司31225
• 代理人: 趙繼明

1.一種基于快速KNN算法的入侵檢測方法，其特征在于，包括以下步驟：?

數據預處理步驟，接收入侵檢測原始數據，對原始數據進行數據預處理，包括連續數據離散化處理和字符數據數字化處理；?

特征約簡步驟，采用基于互信息的特征約簡算法對預處理后的數據進行特征約簡；?

分類檢測步驟，采用快速KNN算法對特征約簡后的數據進行分類檢測，并輸出分類結果。?

2.根據權利要求1所述的一種基于快速KNN算法的入侵檢測方法，其特征在于，所述的特征約簡步驟具體包括以下子步驟：?

a1)初始化：原始數據的特征集設為F(f₁，f₂，…，f_m，)，m為總特征個數；數據集的類別標識設為y；設置空集S，設需要選出N個特征；?

a2)選出第一個特征：?

對于F中的每個特征f_i，計算f_i與類別標識y的互信息I(f_i；y)，然后選擇使得I(f_i；y)的值最大的f_i，將f_i存入集合S中，該特征即為第一個特征，同時將f_i從集合F中剔除；?

a3)依次選出剩下的N-1個特征：?

采用“最小冗余-最大相關”標準策略選擇第q個特征：?

式中，I(f_i；y)項是“最大相關”條件，I_q表示第q個特征的互信息，S_q-1表示包含q-1已選出特征的特征子集；?

a4)輸出所選出的特征子集S。?

3.根據權利要求2所述的一種基于快速KNN算法的入侵檢測方法，其特征在于，所述的互信息計算方法如下：?

變量X和Y的互信息定義為：?

I(X；Y)=H(X)-H(X|Y)=H(Y)-H(Y|X)=H(X)+H(Y)-H(X；Y)?

式中，H(·)是熵，H(X|Y)和H(Y|X)是條件熵，H(X；Y)是X和Y的聯合熵，定義如下：?

H(X)=-∫_xp_X(x)log?p_X(x)dx?

H(Y)＝-∫_yp_Y(y)log?p_Y(y)dy?

H(X；Y)=-∫_x∫_yp_X，Y(x，y)log?p_X，Y(x，y)dxdy?

這里p_X，Y(x，y)是X和Y的聯合概率函數，p_X(x)和p_Y(y)是X和Y的邊緣密度函數，定義如下：?

p_X(x)=∫_yp_X，Y(x，y)dy?

p_Y(x)=∫_xp_X，Y(x，y)dx?

則互信息計算式為：?

4.根據權利要求2所述的一種基于快速KNN算法的入侵檢測方法，其特征在于，所述的分類檢測步驟中，采用快速KNN算法對特征約簡后的數據進行分類檢測具體為：?

b1)獲得訓練樣本集，刪除訓練樣本集中的重復數據；?

b2)建立索引模型；?

b3)對于當前待分類樣本，判斷已分類樣本集中是否存在與待分類樣本相同的樣本，若是，則直接輸出相同已分類樣本的類別標識，若否，執行步驟b4)；?

b4)根據建立好的索引模型快速查找訓練樣本集中待分類樣本的k個最近鄰；?

b5)根據快速查找到的k個最近鄰，輸出待分類樣本的類別標識。?