基于邻域关系的网络入侵检测特征选择

摘要：

入侵检测数据集具有数据量大、特征敷众多、连续型数据的特点.粗糙集是一种有效处理不确定性、不一致性、海量数据的有效分类工具,其特点是保持入侵检测数据集的分类能力不变,进行特征选择.为了避免传统粗糙集特征选择方法所必需的离散化过程带来的信息损失,引入邻域粗糙集模型,提出基于邻域关系的网络入侵检测数据特征选择方法.该方法从所有特征出发,根据特征重要度逐步删除冗余的特征,最后得到关键特征组进行分类研究.在CUP99入侵检测数据集上进行特征选择,并进行了分类实验,实验结果表明该方法是有效可行的.

关键词：粗糙集、邻域关系、入侵检测、特征选择

所属期刊栏目：26

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61103246

在线出版日期：2014-08-26（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：1-5