论文研究 一种新的用于入侵检测的FLAME选择方法(FLAME ID)

由于越来越多的网络攻击,尤其是在线系统的网络攻击,迫切需要开发和运行自适应入侵检测系统(IDS)来保护这些系统。 这仍然是实现这一目标的最重要目标,也是要解决的严峻挑战。 已经开发并在遗传算法(GA)中实现了不同的选择方法,以提高IDS的检测率。 在这方面,本研究采用扩展分类器系统(XCS)通过将传入的环境消息(数据包)与分类器池进行匹配来确定入侵消息是正常请求还是入侵,从而检测入侵。 基于局部近似成员的模糊聚类(FLAME)代表了GA中使用的新选择方法。 在这项研究中,带有FLAME选择的遗传算法(FGA)被用作XCS的生产引擎。 为了进行比较,将不同的选择方法与FLAME选择进行了比较,并