連續(xù)屬性離散化方法的研究及其在入侵檢測中的應用.pdf

1、隨著計算機及網絡技術的高速發(fā)展和不斷應用，數據挖掘和知識發(fā)現技術應運而生，并引起了信息產業(yè)界的極大關注。同時，入侵檢測技術作為網絡安全措施的一個環(huán)節(jié)也日趨重要，并成為動態(tài)網絡安全技術中核心技術之一。關聯規(guī)則作為一種活躍的重要知識發(fā)現技術，可以從入侵檢測數據中發(fā)現正常和異常的行為模式，并且能有效地檢測已知入侵。因此，研究關聯規(guī)則的高效算法有利于提高入侵檢測的準確性和時效性。通常關聯規(guī)則都是基于交易數據庫的，然而，目前數學角度上的數據集合理

2、論基礎，它只能處理離散數據，現實中大量的實型數據亟待進行離散化，因而，關聯挖掘的同時，研究數據表中連續(xù)屬性的離散化具有重要的理論和現實意義。 在關聯算法應用上，由于存在有些數據呈連續(xù)的，不符合關聯挖掘的條件，往往需要對這些數據進行離散化。對于傳統(tǒng)的離散化，大多數的離散化方法沒有考慮不同連續(xù)屬性離散化結果間的互補性和相關性，每個屬性的離散化過程都是獨立進行的，往往會改變信息系統(tǒng)的不可分辨關系，容易產生不合理和冗余的斷點。在入侵檢測

3、數據中，大量的網絡數據中存在許多屬性的連續(xù)，導致了單屬性離散化效率低下，大量斷點的產生使得離散效果不明顯，往往趨于不合理和冗余。 針對傳統(tǒng)離散化問題，本文提出了基于頻數監(jiān)督斷點的連續(xù)屬性的離散化方法，實驗結果表明該算法所產生的斷點不僅符合實際數據分布，讓斷點更趨于合理、精練。在多屬性的離散化方法中，提出了一種基于粗糙集的動態(tài)多屬性離散方法。該方法不僅有效降低了斷點的冗余性，與相關研究對比其合理性和離散精度也得到了提高，這對入侵檢