属性约减与分类器融合实时入侵检测研究

• 作者: 李恒杰 蔺国梁 高翔
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 入侵检测系统 粗糙集 属性约简 支持向量机 在线训练
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 控制理论研究
• 页码范围: 19-21,24
• 分类号: TP393.08
• 字数: 4678字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9227.2011.06.008

摘要

针对入侵检测系统存在的对入侵事件高漏报率和误报率问题,提出利用粗糙集理论对数据集中的实值属性进行属性约简,然后把得到的特征向量送入分类器融合的Robust Online-SVM分类器,分类器对这些数字向量进行分类,处理结果送检测模块.检测模块按照报警关联分析策略,对报警序列进行基于规则关联分析.通过实验和比较发现,该融合算法可以实现在线训练,而且使用更少的支持向量,训练时间也大为缩短,在噪声数据存在的情况下检测正确率和虚警率比未改进前有一定程度的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李恒杰	甘肃联合大学电子信息工程学院	46	207	6.0	12.0
2	蔺国梁	甘肃联合大学电子信息工程学院	11	12	2.0	3.0
3	高翔	甘肃联合大学电子信息工程学院	12	24	3.0	4.0