基于FSVM的數(shù)據(jù)挖掘方法及其在入侵檢測中的應(yīng)用研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展和應(yīng)用范圍的擴(kuò)大，人們越來越依賴于網(wǎng)絡(luò)進(jìn)行信息處理，信息系統(tǒng)已成為國家持續(xù)發(fā)展的基礎(chǔ)設(shè)施，網(wǎng)絡(luò)安全也就成為國家與國防安全的重要組成部分。入侵檢測是繼防火墻、VPN、加密等傳統(tǒng)安全防護(hù)技術(shù)之后的新一代信息安全積極主動的防御技術(shù)，它提供了對內(nèi)部攻擊、外部攻擊和誤操作的實時保護(hù)，在網(wǎng)絡(luò)系統(tǒng)受到危害之前攔截和響應(yīng)入侵，有效地彌補(bǔ)了傳統(tǒng)靜態(tài)防御技術(shù)的不足，已成為信息技術(shù)的一個重要研究方向。因為入侵檢測需要處理大量數(shù)據(jù)，以從中發(fā)現(xiàn)

2、入侵行為，利用數(shù)據(jù)挖掘技術(shù)能夠從大量數(shù)據(jù)中發(fā)現(xiàn)特征和模式，從而有效地鎖定相關(guān)入侵行為。
　　本研究提出了一種適合于入侵檢測數(shù)據(jù)的分步特征選擇算法，首先利用ReliefF算法刪除不相關(guān)特征，然后利用KNN算法刪除冗余特征，解決了傳統(tǒng)ReliefF方法無法取出冗余特征的問題；結(jié)合傳統(tǒng)的類中心距離隸屬度函數(shù)和KNN算法思想，給出了一種加權(quán)隸屬度函數(shù)，解決了傳統(tǒng)的基于類中心距離隸屬度確定方法中無法有效區(qū)分支持向量與噪聲孤立點的問題；結(jié)合支