[发明专利]一种基于快速KNN算法的入侵检测方法

权利要求书

1.一种基于快速KNN算法的入侵检测方法，其特征在于，包括以下步骤： 

数据预处理步骤，接收入侵检测原始数据，对原始数据进行数据预处理，包括连续数据离散化处理和字符数据数字化处理； 

特征约简步骤，采用基于互信息的特征约简算法对预处理后的数据进行特征约简； 

分类检测步骤，采用快速KNN算法对特征约简后的数据进行分类检测，并输出分类结果。 

2.根据权利要求1所述的一种基于快速KNN算法的入侵检测方法，其特征在于，所述的特征约简步骤具体包括以下子步骤： 

a1)初始化：原始数据的特征集设为F(f₁，f₂，…，f_m，)，m为总特征个数；数据集的类别标识设为y；设置空集S，设需要选出N个特征； 

a2)选出第一个特征： 

对于F中的每个特征f_i，计算f_i与类别标识y的互信息I(f_i；y)，然后选择使得I(f_i；y)的值最大的f_i，将f_i存入集合S中，该特征即为第一个特征，同时将f_i从集合F中剔除； 

a3)依次选出剩下的N-1个特征： 

采用“最小冗余-最大相关”标准策略选择第q个特征： 

式中，I(f_i；y)项是“最大相关”条件，I_q表示第q个特征的互信息，S_q-1表示包含q-1已选出特征的特征子集； 

a4)输出所选出的特征子集S。 

3.根据权利要求2所述的一种基于快速KNN算法的入侵检测方法，其特征在于，所述的互信息计算方法如下： 

变量X和Y的互信息定义为： 

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)是条件熵，H(X；Y)是X和Y的联合熵，定义如下： 

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 

这里p_X，Y(x，y)是X和Y的联合概率函数，p_X(x)和p_Y(y)是X和Y的边缘密度函数，定义如下： 

p_X(x)=∫_yp_X，Y(x，y)dy 

p_Y(x)=∫_xp_X，Y(x，y)dx 

则互信息计算式为： 

4.根据权利要求2所述的一种基于快速KNN算法的入侵检测方法，其特征在于，所述的分类检测步骤中，采用快速KNN算法对特征约简后的数据进行分类检测具体为： 

b1)获得训练样本集，删除训练样本集中的重复数据； 

b2)建立索引模型； 

b3)对于当前待分类样本，判断已分类样本集中是否存在与待分类样本相同的样本，若是，则直接输出相同已分类样本的类别标识，若否，执行步骤b4)； 

b4)根据建立好的索引模型快速查找训练样本集中待分类样本的k个最近邻； 

b5)根据快速查找到的k个最近邻，输出待分类样本的类别标识。