10.3969/j.issn.1004-3918.2013.09.020
基于邻域粗糙集与KNN的网络入侵检测
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。
入侵检测、属性约简、邻域粗糙集、K最近邻算法
TP18(自动化基础理论)
国家自然科学基金81160183;陕西省教育厅科研基金12JK0864;陕西理工学院科研基金SLGKY12-01
2013-11-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
1404-1408