基于粗糙集的證據(jù)理論及其在網(wǎng)絡(luò)證據(jù)融合中的應(yīng)用.pdf

1、近年來伴隨著網(wǎng)絡(luò)的遍及，網(wǎng)絡(luò)犯罪率的增長速度十分驚人，而在計算機安全領(lǐng)域有這樣一個全新的分支----網(wǎng)絡(luò)取證，受到了越來越多的關(guān)注。對于網(wǎng)絡(luò)犯罪案件，需要采用有效的工具和手段進行網(wǎng)絡(luò)取證分析。然而在證據(jù)融合的過程中，經(jīng)常會遇到網(wǎng)絡(luò)證據(jù)來源廣、數(shù)量過多，證據(jù)信息具有不確定性等問題。本文針對網(wǎng)絡(luò)證據(jù)的復(fù)雜性問題提出了一種反向遺傳算法優(yōu)化的模糊C均值算法，用于改善對網(wǎng)絡(luò)證據(jù)進行數(shù)據(jù)預(yù)處理的效果，并提出了基于可變粒度粗糙集的證據(jù)理論融合方法，以

2、及將該方法應(yīng)用到網(wǎng)絡(luò)證據(jù)的融合處理中。
　　本研究主要內(nèi)容包括：⑴提出一種反向遺傳算法優(yōu)化的模糊C均值算法。該算法主要是考慮了遺傳算法本身易早熟的缺陷對于模糊 C均值算法的聚類結(jié)果會產(chǎn)生不良影響，因此通過引入反向?qū)W習(xí)機制，構(gòu)造一種反向遺傳算法，并應(yīng)用于對模糊C均值算法的改進中。實驗最終結(jié)果表明，該算法能夠有效地提高聚類準(zhǔn)確率，并加快整個算法的迭代效率。⑵提出一種基于可變粒度粗糙集的證據(jù)理論融合方法。該方法深入剖析了粒度計算視角下，

3、粗糙集理論與D-S證據(jù)理論二者之間的聯(lián)系，利用粒度空間即證據(jù)空間距離的計算判斷證據(jù)之間是否沖突，并構(gòu)造了一個基于可變粒度粗糙集的定性融合函數(shù)。通過實例計算證明，該方法能有效地處理多源證據(jù)空間的證據(jù)融合問題。⑶設(shè)計基于粗糙集-證據(jù)理論的網(wǎng)絡(luò)證據(jù)融合模型，實現(xiàn)對網(wǎng)絡(luò)通信數(shù)據(jù)流的分析處理。結(jié)合兩種理論優(yōu)勢的改進證據(jù)融合方法應(yīng)用到網(wǎng)絡(luò)證據(jù)融合模型。在該系統(tǒng)中，首先是利用反向遺傳算法優(yōu)化的模糊C均值算法對采集到的數(shù)量大、結(jié)構(gòu)復(fù)雜的原始數(shù)據(jù)進行聚類