特徵權重與數量對網路入侵偵測系統影響之研究

Abstract

異常行為偵測型(abnormal-behavior detection)的 網路入侵偵測系統，其成功與否之重要關鍵在於所 選取以供判斷的特徵是否恰當。另一方面，在強調 即時處理的入侵偵測系統上，時間因素也至為重 要；愈多的特徵也意謂處理時間愈長。如何選擇適 量且有效的特徵實為網路入侵偵測系統設計中最 重要的一環。本論文使用基因演算法結合KNN (K-Nearest Neighbor)做為特徵選取的策略，並以大 量阻斷服務攻擊(DoS attacks)做為實驗的對象。我 們一開始使用26 個特徵，訓練階段為每個特徵訓 練出合適的權重值，再選取少量、重要的特徵進行 測試。實驗顯示，對已知攻擊，14 個特徵表現最 好，整體正確率(overall accuracy)達99.83%；對未 知攻擊，24 個特徵表現最好，整體正確率達88.11%。