1、隨著網(wǎng)絡(luò)的發(fā)展，它使得網(wǎng)絡(luò)資源變得豐富的同時也為互聯(lián)網(wǎng)自身的安全帶來了隱患。網(wǎng)絡(luò)入侵行為隱秘性強，不受時間與地域上的限制，所以其經(jīng)常發(fā)生在正常網(wǎng)絡(luò)的行為活動中。主要表現(xiàn)為:入侵者使用程序病毒對系統(tǒng)進行入侵;非法用戶使用未經(jīng)授權(quán)的賬戶登錄并進行惡意修改系統(tǒng)文件;合法/非法用戶惡意竊取其權(quán)限以外的相關(guān)文件;非法/合法用戶惡意泄露敏感文件;因此網(wǎng)絡(luò)安全問題一直備受關(guān)注。此外，從網(wǎng)絡(luò)中能夠獲取到的數(shù)據(jù)量也越來越大，數(shù)據(jù)的特征維度也越來越多。在入

2、侵檢測中，過多冗余和不相關(guān)特征的存在不僅會影響檢測的準確度，而且也會增加檢測的時間，從而使得檢測的整體效果大大降低。所謂的“數(shù)據(jù)富有，信息冗余”和“維數(shù)災(zāi)難”都是信息量大但有效信息缺乏的體現(xiàn)。特征選擇算法通過分析去除無用的、冗余的特征來達到降維的目的，同時在檢測時不但能明顯地降低檢測時間還能提高檢測的準確度?；诖耍卣鬟x擇算法也成為備受關(guān)注的熱點。
　　針對現(xiàn)有入侵檢測技術(shù)與特征提取技術(shù)存在的不足，本文分別做了如下工作:

3、　　(1)描述了入侵檢測算法的概念，介紹了AIS應(yīng)用于入侵檢測的原理與方法，針對經(jīng)典的克隆選擇算法具有對入侵行為檢測的準確率低、誤報率高的缺點，本文提出一種基于全局選擇的改進的克隆選擇算法，該改進算法通過更全面的選擇最優(yōu)個體并進行克隆復(fù)制來對入侵行為進行檢測。根據(jù)實驗數(shù)據(jù)驗證，改進的克隆選擇算法在入侵檢測中，檢測的準確率高達99.5％，誤報率低至0.1％，且在與BP神經(jīng)網(wǎng)絡(luò)檢測的對比實驗中，檢測的準確率和誤報率都優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

4、>　　(2)闡述了特征選擇算法的概念與定義，并根據(jù)現(xiàn)有特征選擇算法的檢測準確率低、檢測時間長的缺點，提出一種面向高效入侵檢測的改進的特征選擇算法，該算法通過結(jié)合相關(guān)性算法與冗余度算法來進行最優(yōu)的特征子集的選擇。實驗結(jié)果表明該算法在不同分類器上與傳統(tǒng)的特征選擇方法相當甚至更好的性能。
　　(3)提出結(jié)合改進的克隆選擇算法來對特征選擇算法提取的特征子集進行檢測，這樣不僅將實驗使用的數(shù)據(jù)集進行降維，達到減少建模時間的效果，同時，結(jié)合改進