属性约简研究及其在IDS中的应用

1144766066 · 发表于 2022-4-12 21:59:36

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
入侵检测技术作为一种主动的网络安全技术，它是对防火墙的重要补充。入侵检测审计的数据中存在部分无意义的信息，这些属性的加入增大了数据分析空间维数，进而影响系统的检测效率。为了降低冗余属性对入侵检测造成的影响，属性约简技术在入侵检测系统中是必不可少的。模糊粗糙集和分形理论是计算属性重要度有效的数学工具。Pawlak教授在上世纪80年代初创立了粗糙集理论，但是该理论在处理连续数值型数据和大数据量的情况下存在一些题目。研究学者们提出了许多粗糙集的扩展模型，如邻域重要度粗糙集模型和结合模糊集理论的模糊粗糙集模型。分形是Mandelbrot教授提出的概念，较好的描述了空间的表示维数。数据集从样本获取角度上认为是相似的，满足分形的适用条件。本文对模糊粗糙集和分形进行讨论，并在入侵检测系统中应用改进的属性约简算法。首先，学习当前入侵检测系统的相关技术和基于属性约简的入侵检测模型。其次，改进了模糊粗糙集中属性重要度的计算方式。一种方法是采用样本集正域序列之间的空间距离替换正域序列求和的方式，并给出不同空间距离计算公式下的属性约简结果对比。另一种方法是我们引入模糊贴近依赖度的概念，把样本正域序列与对比序列看成两个模糊集，通过两者间贴近度值计算属性重要度。实验证明改进的重要度计算方式是有效的。再次，针对Pham分形维数计算方法进行改进。由于样本数量有限，仅能在一定的尺度范围内保持分形相似性，反映在log点对曲线中只有一部分曲线能够维持直线特征。为了获取维数计算过程中目标函数最大值，本文改进了求取拟合直线段截点的方式。最后，本文把改进的属性约简算法加入入侵检测模型。在属性约简过程中遇到多个模糊粗糙集重要度近似或者相同的情况时，我们选择对应部分分形维数最大的属性，即子空间固有维数最大的属性。通过实验平台和数据集KDD99证明了入侵检测模型中加入改进的属性约简算法是有效的。

属性约简研究及其在IDS中的应用

天涯海角也要找到Ni：属性约简研究及其在IDS中的应用

相关帖子

QQ微信同步：1144766066。

服务

网站

战略合作