基于改进ReliefF算法的计算机网络蠕虫病毒检测方法

摘要

针对传统检测方法在特征选择敏感性和时空特征融合方面的不足，本文提出了一种基于改进ReliefF算法的计算机网络蠕虫病毒入侵检测方法。首先设计融合信息熵加权的特征选择算法（ReliefF-MI），通过动态调整特征权重提高对蠕虫流量特征的鉴别能力；其次构建基于长短期记忆网络与注意力机制（LSTM-Attention）的双通道检测模型，实现流量时序特征与上下文关联特征的协同分析。在CICIDS2017数据集上的实验表明，本方法检测准确率达到94.2%，误报率降低至1.8%，较基于图神经网络和基于自编码器的残差神经网络等对比方法分别提升7.5%和5.7%。特别对PortScan等采用隐蔽策略的蠕虫攻击检出率提升12.4%，验证了所提方法在特征选择和模式识别方面的优势。

关键词

改进ReliefF算法 / 计算机网络 / 蠕虫病毒 / 入侵检测方法