基于邻域粗糙集的入侵检测集成算法

• 作者: 魏峻
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 入侵检测 Bagging技术 邻域粗糙集 支持向量机 集成学习
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 96-100
• 页数: 5页
• 分类号: TP18
• 字数: 4889字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1311-0164

摘要

入侵检测领域的数据往往具有高维性及非线性特点，且其中含有大量的噪声、冗余及连续型属性，这就使得一般的模式分类方法不能对其进行有效的处理。为了进一步提高入侵检测效果，提出了基于邻域粗糙集的入侵检测集成算法。采用Bagging技术产生多个具有较大差异性的训练子集，针对入侵检测数据的连续型特点，在各训练子集上使用具有不同半径的邻域粗糙集模型进行属性约简，消除冗余与噪声，实现属性约简以提高属性子集的分类性能，同时也获得具有更大差异性的训练子集，采用SVM为分类器训练多个基分类器，以各基分类器的检测精度构造权重进行加权集成。KDD99数据集的仿真实验结果表明，该算法能有效地提高入侵检测的精度和效率，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	魏峻	陕西理工学院数学与计算机科学学院	13	65	4.0	7.0