本質(zhì)上，入侵檢測是一個模式識別和分類問題。支持向量機（SVM）對不平衡和非線性數(shù)據(jù)具有獨特優(yōu)勢，因而尤其適合入侵檢測分類器的設(shè)計�；赟VM的入侵檢測方法已經(jīng)取得了良好的效果，但仍存在以下不足：在處理高維、大規(guī)模入侵檢測數(shù)據(jù)時，SVM方法訓(xùn)練時間長、檢測速度慢；由于入侵檢測數(shù)據(jù)具有動態(tài)性，當數(shù)據(jù)變化時，必須重建SVM分類模型，導(dǎo)致檢測算法效率不高。針對以上不足，本文研究并提出了基于粗糙集和SVM的增量式入侵檢測方法，并在KDDCUP1999數(shù)據(jù)集上進行仿真實驗。主要研究成果如下：首先，針對高維入侵檢測數(shù)據(jù)中存在無關(guān)屬性和冗余屬性，且樣本集的變化導(dǎo)致原特征提取結(jié)果可能失效的問題，提出了基于簡化二進制差別矩陣的增量屬性約簡（SBDM-IAR）算法。該算法首先引入簡化的決策表，去除大量冗余對象。在此基礎(chǔ)上建立簡化的二進制差別矩陣，重復(fù)元素只存儲一次，降低存儲空間。同時對新增數(shù)據(jù)進行了詳細地分析，設(shè)計了屬性約簡的更新機制，達到了對原約簡的動態(tài)更新。其次，針對大規(guī)模樣本集的動態(tài)變化導(dǎo)致原SVM分類器不適用的問題，提出基于云模型的增量SVM入侵檢測方法（C-ISVM）。對初始樣本集，提出了云邊界向... 

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

CIDF的模型結(jié)構(gòu)圖

入侵檢測的分類圖

正態(tài)云模型的數(shù)字特征圖

【參考文獻】：
期刊論文
[1]基于改進差別矩陣的增量式屬性約簡算法[J]. 馮少榮,張東站.  深圳大學(xué)學(xué)報(理工版). 2012(05)
[2]面向入侵檢測的基于IMGA和MKSVM的特征選擇算法[J]. 井小沛,汪厚祥,聶凱,羅志偉.  計算機科學(xué). 2012(07)
[3]屬性序下的增量式Pawlak約簡算法[J]. 官禮和,王國胤,于洪.  西南交通大學(xué)學(xué)報. 2011(03)
[4]基于數(shù)組的增量式屬性約簡研究[J]. 汪小燕,楊思春.  計算機應(yīng)用研究. 2011(05)
[5]一種高效的增量式屬性約簡算法[J]. 馮少榮,張東站.  控制與決策. 2011(04)
[6]基于最近邊界向量的SVM增量學(xué)習(xí)算法[J]. 劉葉青,劉三陽,谷明濤.  數(shù)學(xué)的實踐與認識. 2011(02)
[7]改進分辨矩陣下的增量式條件屬性約簡算法[J]. 譚旭.  系統(tǒng)工程理論與實踐. 2010(09)
[8]基于粒子群優(yōu)化和鄰域約簡的入侵檢測日志數(shù)據(jù)特征選擇[J]. 陳仕濤,陳國龍,郭文忠,劉延華.  計算機研究與發(fā)展. 2010(07)
[9]基于多目標進化算法的入侵檢測特征選擇[J]. 蔣加伏,吳鵬.  計算機工程與應(yīng)用. 2010(17)
[10]一種基于決策表的核增量式高效更新算法[J]. 錢文彬,徐章艷,楊炳儒,黃麗宇.  小型微型計算機系統(tǒng). 2010(04)



本文編號：3675315