數據挖掘中的若干算法及其在IDS中的應用研究.pdf

1、入侵檢測系統(tǒng)會在網絡系統(tǒng)受到危害之前攔截并且響應入侵，它提供了對網絡的內部入侵信息、外部入侵信息和誤差操作的實時監(jiān)測，是一種主動的網絡安全防御技術。目前的入侵檢測系統(tǒng)主要采用數據挖掘技術。數據挖掘技術的優(yōu)點是能快速從廣泛數據中鎖定入侵活動，它不但誤警率低，而且實時性好。
　　本文給出若干新的數據挖掘算法，用在入侵檢測系統(tǒng)中，并且實時更新了入侵檢測系統(tǒng)的特征規(guī)則庫，改善了整個系統(tǒng)的入侵檢測性能，減小了系統(tǒng)的虛警率和誤報率，對于保護網

2、絡安全起到了非常重要的作用。
　　本文主要工作如下：
　　1、提出了隸屬關系不確定的相對性的模糊聚類算法（Relativity Fuzzy Clustering Algorithm,RFCA），該算法在迭代過程中為目標函數創(chuàng)建了一個不確定性隸屬度和一個相對性隸屬度，使樣本中的元素不僅僅局限于一個聚類，通過在數據集上的實驗，驗證了該算法在入侵檢測中的檢測率高于一般的K均值算法和模糊聚類算法。
　　2、提出了基于指數遞減支

3、持度的Apriori算法(AnApriori Algorithm Baesdon Normal Length Decreasing Support,NLDSA)，最小支持度按指數函數遞減。該算法避免了忽略低支持度高興趣度的事件，并減少了生成頻繁項集的時間，實驗驗證該算法在類似的檢測速率下有較低的時間消耗和較低的誤警率。
　　3、提出了快速多規(guī)則約束Apriori算法(AFast Multi Rule Constrained Apr