摘要：随着网络规模的日益扩大,网络环境日趋复杂,网络入侵也随之日益增多,给网络安全和人们的切身利益造成了严重危害,对网络的发展造成了严重阻碍。在入侵检测系统的特征选择时,各种特征选择算法都表现出了一些缺陷和不足。同时,在如何应对网络中DDoS的攻击方面,几乎找不到一种可靠的方法。如何建立一个更好的入侵检测系统模型和找到一种更高效的特征选择算法迫在眉睫。本文通过对传统入侵检测系统及特征选择算法进行了深入的分析和研究,总结和继承了传统入侵检测系统的一些优秀策略。在信誉协同模型的基础上,提出了一种改进方案,并引入了二级缓存和缓存队列,通过把服务器下行网络数据包依IP地址对应存入缓存队列并用滑动窗口提取,同时,将暂时无法处理的数据包暂存到二级缓存,实现了将访问数据流由串行转化成并行,利用缓存溢出管理机制适时阻断攻击流量,从而对DDoS攻击起到有效的预防作用。同时提出了一种改进的信息增益特征选择算法。该算法先将特征的相关值计算出来,然后按照慢开始的策略将特征添加到特征子集中去,利用评价函数对特征子集进行评价,从而快速筛选得到一组最优特征集。结合仿真测试和比对,结果表明,改进模型能有效弥补原模型在检测防御中的不足,改进的特征选择算法效率更高。