基于KDD99数据集的属性约简与特征优化系统

资 源 简 介

本系统专门用于处理经典的KDD Cup 1999网络入侵检测数据集，通过先进的属性约简算法显著降低特征维度，提高入侵探测系统的实时性能。该代码起源于国外知名实验室的优化算法框架，采用了高效的特征选择逻辑，能够从原始的41个属性中精准提取出最能反映网络攻击特征的核心子集。

详 情 说 明

基于MATLAB的高效KDD99数据集属性约简与特征优化系统

项目介绍

本系统是一个专门针对KDD Cup 1999网络入侵检测数据集设计的特征工程工具。在网络安全领域，KDD99数据集因其特征维度多、数据量大而闻名，直接处理会导致探测系统的计算开销过大。本系统通过集成粗糙集理论（Rough Set Theory）与遗传算法（Genetic Algorithm），能从原始的41个属性中自动筛选出具有高度辨识力的核心特征子集。该系统不仅能显著降低数据维度，提高入侵检测算法的实时运行效率，还能保留最关键的攻击判别信息。

功能特性

1. 智能特征选择：利用遗传算法的全局启发式搜索能力，在极其庞大的特征组合空间中寻找最优属性子集。
2. 粗糙集数学评估：采用属性依赖度作为核心度量指标，通过计算决策属性相对于条件属性的正域投影，量化特征集的分类能力。
3. 自动化预处理：支持对KDD99特有的协议类型（protocol_type）、服务（service）及标志（flag）等非数值型特征进行标签编码，并对连续型数值进行离散化分箱处理。
4. 权衡优化逻辑：适应度函数综合考虑了属性依赖度和特征压缩比，在保证探测准确率的前提下，优先选择特征数量更少的方案。
5. 贡献度评估：通过计算单个特征移除后的依赖度损失，量化评估每个入选特征对系统的核心贡献价值。
6. 全方位可视化：提供算法收敛趋势图和特征重要性对比图，直观展现属性约简的优化过程与最终成果。

使用方法

1. 环境配置：确保计算机已安装MATLAB R2018b或更高版本。
2. 运行程序：打开MATLAB，将当前工作目录设为代码所在文件夹，然后在命令行窗口输入 main 即可运行。
3. 数据交互：程序默认使用模拟生成的KDD99结构数据进行演示。如需处理真实数据，可修改数据加载模块，使用 readtable 函数导入标准的 kddcup.data_10_percent.csv 文件。
4. 结果查看：程序执行完成后，控制台将输出约简前后的维度对比、特征压缩比及具体的核心特征列表；同时，系统会自动弹出可视化窗口显示优化曲线和贡献度排行。

系统要求

• 运行平台：MATLAB R2018b 及以上版本
• 辅助工具箱：建议安装 Statistics and Machine Learning Toolbox（用于部分矩阵运算与数据处理）
• 内存建议：8GB RAM 或以上（处理完整KDD99全量数据时需更高配置）

详细实现逻辑与功能分析

该系统的逻辑架构分为四个核心阶段，每个阶段均严格遵循入侵检测领域的特征提取规范：

1. 数据预处理模块

由于粗糙集算法对离散数据具有较好的适应性，系统首先通过 preprocess_kdd99 函数锁定KDD99数据集的第2、3、4列（协议、服务、状态），将其从字符串转化为数值索引。随后，discretize_features 函数对所有连续的数值列进行等距分箱（默认5等分），将数据转化为离散状态空间，为后续的依赖度计算奠定基础。

1. 遗传算法启发式搜索

在 ga_attribute_reduction 逻辑中，系统采用二进制编码对41个特征进行建模（1表示选择，0表示舍弃）。通过锦标赛选择算子、单点交叉算子以及随机位翻转变异算子，模拟生物进化过程。经过预设的迭代次数，算法能够绕过局部最优解，在复杂的特征空间中锁定接近全局最优的特征子集。

1. 粗糙集依赖度核心算法

这是系统的核心数学组件。compute_roughset_dependency 函数实现了粗糙集中的正域计算逻辑。它通过分析等价类索引，识别出那些通过当前特征子集能被唯一确定的决策类别。该指标的值越接近1，说明该特征子集对入侵行为的判别能力越强。

1. 多目标适应度评估

系统的评价函数 fitness_function 并非单一追求高精度。它设定了一个 0.95 的权重给依赖度，同时给予特征压缩率 0.05 的奖励权重。这种设计确保了系统在同等判别能力下，会毫不犹豫地选择特征维度更低的方案，从而直接优化后续分类器的性能。

1. 贡献度度量与输出

在获得最优子集后，calculate_importance 函数采用留一法（Leave-One-Out）策略，逐一剔除选定特征并观察依赖度的下降幅度。下降幅度越大，代表该特征在入侵探测中的核心地位越稳固。最后，通过 visualize_performance 将复杂的数学结果转化为直观的图表，清晰展示系统从 41 维压缩至核心维度的优化全过程。