一种基于FRS-FCM算法的集成入侵检测方法的研究  

Research Based on a Method of FRS-FCM Ensemble Intrusion Detection

作　　者：刘永忠[1,2] 李欣娣[1,2] 李杨[1,2] 张为群[1,2] 

机构地区：[1]西南大学计算机与信息科学学院,重庆400715 [2]重庆市智能软件与软件工程重点实验室,重庆400715

出　　处：《计算机科学》2012年第4期106-109,共4页Computer Science

基　　金：重庆市信息产业发展资金项目(200921011)资助

摘　　要：传统FCM算法对初值的依赖性过大且欧氏距离只适用于处理数值型及特征空间为超球结构的数据集。为此,利用模糊粗糙集思想,结合ReliefF技术,提出了一种基于模糊粗糙集的特征加权聚类算法(FRS-FCM),并将此算法应用到集成入侵检测中,通过有效地聚类和集成学习来提高入侵检测的检测率,降低误检率,并较大地提高低频攻击的检测率。最后利用KDD Cup 99数据集进行的仿真实验验证了该方法的可行性与有效性。Traditional FCM algorithm is too dependent on initial distance and Euclidean distance is only applied to handle the dataset of numeric and spatial data structure for the super-ball.Based on fuzzy rough sets and ReliefF technology,the author proposed a fuzzy rough set based clustering algorithm（FRS-FCM）,and used it to integrated intrusion detection.By effective clustering and integrated learning,the algorithm can improve the detection rate and reduce the false detection rate,improve the detection rate of low-frequency attacks.Finally,simulation experiments using KDD Cup 99 data set verify feasibility and effectiveness of the algorithm.

关 键 词：模糊粗糙集 RELIEFF FRS-FCM 集成入侵检测 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术]