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，并使用KDD'99数据集进行了所有实验和评估。