1.一种基于混合特征选择的xgboost的wsn入侵检测系统，其特征在于所述系统包括：流量数据预处理模块、特征条件互信息最大化得分获取模块、特征费舍尔分数获取模块、权重分配模块、特征子集获取模块、特征排序模块、最优特征子集获取模块和入侵检测模块；
2.根据权利要求1所述的一种基于混合特征选择的xgboost的wsn入侵检测系统，其特征在于：所述流量数据预处理模块用于获取流量数据集，对流量数据集进行预处理，具体为：
3.根据权利要求2所述的一种基于混合特征选择的xgboost的wsn入侵检测系统，其特征在于：所述特征条件互信息最大化得分获取模块用于获取预处理后的流量数据集中每个特征的条件互信息最大化得分，具体为：
4.根据权利要求3所述的一种基于混合特征选择的xgboost的wsn入侵检测系统，其特征在于：所述特征费舍尔分数获取模块用于获取预处理后的流量数据集中每个特征的费舍尔分数，具体为：
5.根据权利要求4所述的一种基于混合特征选择的xgboost的wsn入侵检测系统，其特征在于：所述a1-3中的利用a1-1获得的类间重叠加权系数和a1-2获得的方差膨胀因子，获取预处理后的流量数据集中每个特征的费舍尔分数，具体为：
6.根据权利要求5所述的一种基于混合特征选择的xgboost的wsn入侵检测系统，其特征在于：所述权重分配模块利用a和b进行权重分配，从而获得特征的综合权重值，具体为：
7.根据权利要求6所述的一种基于混合特征选择的xgboost的wsn入侵检测系统，其特征在于：所述b1-3中的利用b1-2获得的、获取、权重、，具体为：
8.根据权利要求7所述的一种基于混合特征选择的xgboost的wsn入侵检测系统，其特征在于：所述b1-4中的利用b1-3获得的权重、获取特征的综合权重，具体为：
9.根据权利要求8所述的一种基于混合特征选择的xgboost的wsn入侵检测系统，其特征在于：所述特征排序模块中的利用特征子集对xgboost模型预训练，获得中每个特征对应的贡献度得分，按照贡献度得分对特征子集中的特征从大到小排序，具体为：
10.根据权利要求9所述的一种基于混合特征选择的xgboost的wsn入侵检测系统，其特征在于：所述最优特征子集获取模块用于对中的特征进行序列后向选择，获得最优特征子集，具体为：