融合邻域粗糙集与粒子群优化的网络入侵检测

摘要：

入侵检测数据往往含有大量的冗余、噪音特征及部分连续型属性，为了提高网络入侵检测的效果，利用邻域粗糙集对入侵检测数据集进行属性约简，消除冗余属性及噪声，也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；使用粒子群算法优化支持向量机的核函数参数和惩罚参数，以避免靠主观选择参数带来精度较低的风险，进一步提高入侵检测的性能。仿真实验结果表明，该算法能有效提高入侵检测的精度，具有较高的泛化性和稳定性。

关键词：入侵检测、邻域粗糙集、支持向量机、粒子群算法

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金No.81160183；陕西省教育厅科研基金No.12JK0864；陕西理工学院科研基金No.SLGKY11-08。

在线出版日期：2013-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：73-77,93