基于邻域粗糙集与KNN的网络入侵检测

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。

关键词：入侵检测、属性约简、邻域粗糙集、K最近邻算法

分类号：TP18(自动化基础理论)

资助基金：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

在线出版日期：2013-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1404-1408