[發明專利]基于信息增益的特征選擇方法、裝置及存儲介質

在審

• 申請號: 201811514752.4
• 申請日: 2018-12-12
• 公開（公告）號: CN109614794A
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 魏金俠;龍春;萬巍;趙靜;楊帆
• 申請（專利權）人: 中國科學院計算機網絡信息中心
• 主分類號: G06F21/55
• 分類號: G06F21/55;G06K9/62
• 代理公司: 北京知舟專利事務所(普通合伙) 11550
• 代理人: 郭韞

1.一種基于信息增益的特征選擇方法，其特征在于，包括：

計算初始特征集中的信息增益值；

按照信息增益值由大到小的順序對所述各特征進行排序；

根據所述排序結果，利用支持向量機SVM分類器依次獲得特征測評值；

基于各特征測評值，在所述初始特征集中選擇滿足預設條件的至少一個特征作為目標特征。

2.根據權利要求1所述的基于信息增益的特征選擇方法，其特征在于，所述根據所述排序結果，利用SVM分類器依次獲得特征測評值之前，還包括：

基于樣本數據集中的特征測評值和已選取的目標特征之間的信息相關性，構建所述SVM分類器。

3.根據權利要求1所述的基于信息增益的特征選擇方法，其特征在于，所述基于各特征測評值，在所述初始特征集中選擇滿足預設條件的至少一個特征作為目標特征，包括：

在所述初始特征集中，選擇特征測評值最大的一個特征作為所述目標特征；或，

在所述初始特征集中，選擇特征測評值最大的多個特征作為所述目標特征；或，

在所述初始特征集中，選擇特征測評值大于或等于預設閾值的特征作為所述目標特征。

4.根據權利要求3所述的基于信息增益的特征選擇方法，其特征在于，在所述初始特征集中，選擇特征測評值最大的多個特征作為所述目標特征，包括：

在所述初始特征集中，選擇特征測評值最大的3個特征或6個特征，作為所述目標特征。

5.根據權利要求1所述的基于信息增益的特征選擇方法，其特征在于，所述特征測評值為檢測率與誤報率之間的比值；

所述方法還包括：

基于所述目標特征，對當前網絡進行入侵檢測分析。

6.一種基于信息增益的特征選擇裝置，其特征在于，包括：

計算模塊，用于計算初始特征集中的信息增益值；

排序模塊，用于按照信息增益值由大到小的順序對所述各特征進行排序；

測評模塊，用于根據所述排序結果，利用支持向量機SVM分類器依次獲得特征測評值；

選擇模塊，用于基于各特征測評值，在所述初始特征集中選擇滿足預設條件的至少一個特征作為目標特征。

7.根據權利要求6所述的基于信息增益的特征選擇裝置，其特征在于，所述裝置還包括：

構建模塊，用于基于樣本數據集中的特征測評值和已選取的目標特征之間的信息相關性，構建所述SVM分類器。

8.根據權利要求6所述的基于信息增益的特征選擇裝置，其特征在于，

所述選擇模塊，還用于在所述初始特征集中，選擇特征測評值最大的一個特征作為所述目標特征；或，在所述初始特征集中，選擇特征測評值最大的多個特征作為所述目標特征；或，在所述初始特征集中，選擇特征測評值大于或等于預設閾值的特征作為所述目標特征。

9.根據權利要求8所述的基于信息增益的特征選擇裝置，其特征在于，

所述選擇模塊，還用于在所述初始特征集中，選擇特征測評值最大的3個特征或6個特征，作為所述目標特征。

10.根據權利要求6所述的基于信息增益的特征選擇方法，其特征在于，

所述測評模塊獲得的所述特征測評值為檢測率與誤報率之間的比值；

所述裝置還包括：

分析模塊，用于基于所述目標特征，對當前網絡進行入侵檢測分析。

11.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現權利要求1-5所述方法的步驟。