基于RS和FSVM的入侵檢測模型與算法研究.pdf

1、入侵檢測技術(shù)是一種動(dòng)態(tài)安全防護(hù)技術(shù)，能夠有效彌補(bǔ)傳統(tǒng)靜態(tài)防御技術(shù)的不足。將粗糙集（RS）和模糊支持向量機(jī)（FSVM）同時(shí)應(yīng)用于入侵檢測，可以有效提高檢測性能。RS能有效地分析和處理不精確、不一致、不完整等各種不完備信息，并從中發(fā)現(xiàn)隱含的信息；FSVM能有效的解決小樣本、高維數(shù)、非線性、過學(xué)習(xí)和局部最優(yōu)解等難題。結(jié)合兩者的優(yōu)點(diǎn)，建立起一個(gè)“時(shí)間短，精度高”的算法模型，這正是本論文所做的工作關(guān)鍵。
　　本文在研究入侵檢測系統(tǒng)，粗糙集理

2、論以及模糊支持向量機(jī)的基礎(chǔ)上，做了以下工作和創(chuàng)新：
　　1、提出了基于RS和FSVM的入侵檢測模型，模型首先使用RS對(duì)所有數(shù)據(jù)進(jìn)行屬性約簡，根據(jù)決策屬性對(duì)數(shù)據(jù)進(jìn)行第一次分類，該步驟可以刪除數(shù)據(jù)的大量冗余特征，提高下一步FSVM的分類運(yùn)算速度；然后把RS分類出的合法數(shù)據(jù)送入FSVM進(jìn)行第二次分類。兩次分類能夠有效提高模型的檢測精度。
　　2、引入了屬性重要度加權(quán)和的定義，該定義結(jié)合了信息熵約簡算法和屬性依賴度約簡算法各自所計(jì)算