软件定义物联网（Software-Defined Networking for Internet of Things,SD-Io T）满足了传统物联网在异构性和灵活性方面的需求,并提供集中控制和整个网络的全局视图。SDN交换机特有的流表机制,使得低速率分布式拒绝服务（Low-rate Distributed Denial of Service,LDDo S）攻击成为SD-Io T面临的严重安全攻击。LDDo S攻击是一种分布式脉冲攻击,具有平均速率低、存在时间长、隐蔽性极强等特点。由于LDDo S攻击比传统的攻击更难检测且持续时间长,这将致使控制器不断地向交换机下发新的流表,给交换机负载、链路带宽、控制器负载增加了较大负担。本文的研究对象为SD-Io T环境下基于进化算法的LDDo S检测特征选择技术,研究内容包括SD-Io T下基于结构化协同进化的LDDo S检测特征选择算法（DIAMOND）、SD-Io T下基于细粒度进化的LDDo S检测特征选择算法（NOTATION）。本文研究目的是针对SD-Io T网络中高维复杂性数据的特征提取和分类问题,减少SD-Io T网络特征子集维度和LDDo S攻击检测时间,提高LDDo S攻击的检测精度。首先,本文从宏观角度研究了种群内的个体编排结构和个体的亲缘关系,分析宏观种群中个体携带的SD-Io T网络特征信息,通过分析SD-Io T网络特征在解空间中的信息,探索不同SD-Io T网络特征与最优解之间的关系。基于此设计了SD-Io T下基于结构化协同进化的LDDo S检测特征选择算法（DIAMOND）,包括可达计数排序聚类算法（BONNET）、群体结构化算法、协同变异和协同交叉策略。该算法将具有SD-Io T网络特征的个体划分为不同的子种群,并将子种群结构化为结构树,多个结构树协同进化。实验结果表明,DIAMOND能够有效地选择较优的特征集,平均检测精度达到92.3%。当使用SVM分类器时,DIAMOND的检测时间较对比算法减少了39%,35%。其次,本文研究了微观基因的概率分布衡量SD-Io T网络特征的重要性,基于SD-Io T网络特征的重要性指导种群的进化方向,防止算法陷入局部最优。基于此设计了SD-Io T下基于细粒度进化的LDDo S检测特征选择算法（NOTATION）,包括个体变异和基因变异组成的细粒度变异策略、跳出局部最优策略。其中,变异方式采用多层次细粒度变异,包括粗粒度的个体变异策略和细粒度的基因变异策略。该算法建立概率模型描述搜索空间中基因的分布信息,通过计算优势群体中的基因比例调整每个基因的变异概率阈值。实验结果表明,NOTATION能够有效地选择最优的低维特征集,平均检测精度达到了98.47%。当使用KNN分类器时,NOTATION的检测时间较对比算法减少了34%、41%。