基于粗糙集理論的網絡入侵檢測方法.pdf

1、在入侵檢測研究領域，數據挖掘方法正在被廣泛地應用到異常檢測和誤用檢測研究中?；跀祿诰虻娜肭謾z測包括兩個關鍵的步驟：特征提取和檢測模型生成。在入侵檢測的特征提取研究中，Wenkelee使用改進了的Apriori算法來獲得基于網絡連接的特征集；SrinivasandSung提出了基于支持向量機(SVM)的方法，按重要性給這些特征排序，但SVM需要多次重復迭代計算，耗費大量的時間。在入侵檢測模型生成研究中，檢測模型不僅應該具有高的檢測率，

2、而且也應該是易于理解的，但是現存的很多方法很難同時達到這兩個目標。舉例來說，神經網絡能夠達到很高的檢測率但是檢測規(guī)則不容易被人理解；決策樹能夠產生容易理解的規(guī)則，但是檢測率卻不高。 本文中，我們提出使用粗糙集分類算法進行網絡入侵檢測，先對屬性集進行約簡，然后以屬性的約簡為模板生成檢測規(guī)則。粗糙集分類算法生成的檢測規(guī)則具有“IF-THEN”的格式，易于理解。在粗糙集的實際應用中，我們碰到的一個主要問題就是生成屬性集的最小約簡，屬性