文献类型：期刊文章

作　　者：戴敏[1]

DAI Min(School of Computer,Civil Aviation Flight University of China,Guanghan 618307,China)

机构地区：[1]中国民用航空飞行学院计算机学院,四川广汉618307

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金民航联合基金重点项目(U1233202/F01)

年　　份：2019

卷　　号：40

期　　号：3

起止页码：654-661

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对存在大量访问时的网络入侵检测问题,提出一种在MapReduce框架下实现的并行网络入侵检测方法。构建一种并行化的量子粒子群优化(QPSO)算法,对原始数据集中的大量特征进行选择,降低特征维度;实现一种并行化的朴素贝叶斯(NB)分类器,以网络访问特征作为输入来检测入侵。在KDDCup99数据集上的实验结果表明,该特征选择方法能够选择出最优特征子集,有效提高了入侵检测的准确性,特征选择和分类器的并行化缩短了检测时间。

关 键 词：网络入侵检测 MAPREDUCE框架 QPSO算法 特征选择  NB分类器  

分 类 号：TP393]