学位论文 > 优秀研究生学位论文题录展示

基于粗糙集与Apriori CRS算法的入侵检测方法的研究

作　者: 周恒
导　师: 陈长清
学　校: 华中科技大学
专　业: 软件工程
关键词: 入侵检测粗糙集数据挖掘属性约简 Apriori CRS算法
分类号: TP393.08
类　型: 硕士论文
年　份: 2011年
下　载: 39次
引　用: 0次
阅　读: 论文下载

内容摘要

随着网络安全技术的不断发展,网络攻击的手段也不断更新,人们对网络安全的需要进一步提高。入侵检测作为现在一种积极主动的防御安全技术,已经引起了越来越多的研究人员和商业应用上的重视。入侵检测的过程中必须处理大量的特征数据,于是有学者提出采用数据挖掘与大规模数据处理的相关经验来分析与检测入侵。但是数据挖掘技术中的数据挖掘算法并不能平滑地迁移到入侵检测系统中,在应用方面还需要作出自适应性方面的改进。因此,根据目前研究的主流方法,提出了结合粗糙集与数据挖掘的入侵检测方法。首先简单介绍了粗糙集与数据挖掘的相关概念,再深入研究粗糙集理论中的约简与数据挖掘理论中的基于关联规则的Apriori算法。然后为了提高现有入侵检测系统的检出率,降低误报率,在传统的入侵检测方法基础上,提出基于粗糙集的属性约简与数据挖掘技术中的Apriori改进算法相结合的入侵检测方法来加强系统的安全性。该入侵检测方法首先要对入侵数据进行分类采集、数据预处理、数据的数值变量归一化与标称变量离散化处理、粗糙集属性约简,然后采用融合粗糙集的“Pawlak属性重要度约简”的数据挖掘算法Apriori CRS算法技术获取网络特征属性的上下近似集,生成满足一定置信度的关联规则,导入规则库,最后依据生成的入侵检测规则来分析网络实时入侵数据。实验结果表明:Apriori CRS算法在入侵检测系统中应用得非常好,能充分融合粗糙集的理论知识及数据挖掘的技术,该算法的检出率与入侵数量呈线性关系,算法复杂度较小,与单纯的基于粗糙集的算法相比检出率大幅度提高,使系统的容忍能力增强。

基于粗糙集与Apriori CRS算法的入侵检测方法的研究

内容摘要

全文目录

相似论文