基于邻域粗糙集与KNN的网络入侵检测

• 作者: 赵晖
• 来源期刊: 河南科学
• 关键词: 入侵检测 属性约简 邻域粗糙集 K最近邻算法
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 机械电子技术与计算机科学
• 页码范围: 1404-1408
• 页数: 5页
• 分类号: TP18
• 语种: 中文

摘要

入侵检测数据中存在噪音属性及部分连续型属性，并具有高维、非线性特征，为了取得更好的检测效果，首先利用邻域粗糙集对数据集进行属性约简，消除冗余属性与噪声，避免了传统粗糙集在连续型属性离散化过程中带来的信息损失；然后采用KNN算法进行异常数据的识别与检测。仿真实验结果表明，该算法能有效提升入侵检测的精度，具有较高的泛化性和稳定性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵晖	陕西理工学院数学与计算机科学学院	20	70	5.0	6.0