一种基于粗糙集属性约简的支持向量异常入侵检测方法

计算机科学 ›› 2006, Vol. 33 ›› Issue (6): 64-68.

一种基于粗糙集属性约简的支持向量异常入侵检测方法

出版日期:2018-11-17 发布日期:2018-11-17
基金资助:
本课题得到国家自然科学基金项目（60372039）和“十五”国防预研基金项目（41329080101）资助.

Online:2018-11-17 Published:2018-11-17

摘要/Abstract

摘要： 实现了一种粗糙集属性约简和支持向量机分类相结合的异常入侵检测方法。针对网络连接记录特征属性高维的特点，采用粗糙集属性约简的方法压缩数据空间，然后采用υ-SVM两分类方法处理约简和正规化后的数据。基于DARPA1998数据源的实验表明，与采用全部属性的υ-SVM两分类方法相比，该方法具有与之相当的分类精度，但有效地降低了检测时间，减少了存储空间。

关键词: 异常检测粗糙集理论属性约简 υ-SVM算法异构值差度量（HVDM）

Abstract: This paper presented the implementation of a hybird anomaly intrusion detection technique based on rough set attribute reduction and support vector machine（SVM）. According to the high dimension of network records with feature attributes,the rough set attr

Key words: Anomaly detection, Rough set theory, Attribute reduction, wSVM algorithm, Heterogeneous value difference metric（HVDM）

. 一种基于粗糙集属性约简的支持向量异常入侵检测方法[J]. 计算机科学, 2006, 33(6): 64-68. https://doi.org/