基于粗糙集和遺傳約簡算法的入侵檢測方法研究.pdf

1、隨著網(wǎng)絡(luò)攻擊手段的日益復(fù)雜化、多樣化和自動化，傳統(tǒng)的入侵檢測系統(tǒng)(IDS)已不能滿足安全需求。為了對付目前越來越頻繁出現(xiàn)的分布式、多目標(biāo)、多階段的組合式網(wǎng)絡(luò)攻擊和黑客行為，降低漏報率和縮短檢測時間，把先進的機器學(xué)習(xí)方法引入到IDS中來已成為一種共識。近幾年來成為機器學(xué)習(xí)研究熱點的粗糙集理論，提供了一套比較完備的從樣本數(shù)據(jù)中尋找規(guī)律的系統(tǒng)方法。同其它機器學(xué)習(xí)的方法相比，將粗糙集理論應(yīng)用于入侵檢測方法中優(yōu)勢主要在于提取出的規(guī)則易于理解、檢測

2、速度快等。
　　 屬性約簡是粗糙集理論的核心內(nèi)容，求解粗糙集最小約簡已經(jīng)被證明是NP-hard問題。遺傳算法是一種非常有效的全局搜索方法，它能有效的求解NP-hard問題，將遺傳算法應(yīng)用于屬性約簡中是一種非常高效的方法。
　　 本文建立了基于粗糙集理論的網(wǎng)絡(luò)入侵檢測模型，將基于斷點重要性的貪心算法應(yīng)用于本模型的離散化中，將加入了修正算子的遺傳算法應(yīng)用于屬性約簡中，修正算子能夠避免遺傳算法陷入局部最優(yōu)解，從而保證屬性約簡后