基于粗糙集理论的入侵检测方法研究

目前的入侵检测系统主要存在检测准确率低、误警率高等问题，正确认识并处理入侵检测系统所具有的不确定性和不完整性，是解决这些问题的关键因素之一。本项目基于粗糙集理论来进行入侵检测方法的研究，利用粗糙集理论在处理大数据量、不确定和不完整数据、消除冗余信息等方面的优势，来解决入侵检测系统所面临的主要问题。主要内容包括：(1)通过分析入侵检测原始数据的特点，提出基于粗糙集的原始数据预处理技术与特征选择方法，以减少数据量，为后续的规则获取算法提供干净、有针对性的数据；(2)提出基于粗糙集的增量式学习方法，用来增量式获取滥用检测规则，以提高滥用检测系统对于新攻击的检测能力；(3)提出基于粗糙集的孤立点检测方法，并应用于入侵检测中，以解决当前的孤立点检测方法无法处理不确定性和不完整性的问题；(4)建立基于粗糙集的入侵检测报警信息融合与关联机制，以降低报警信息的冗余度、提高入侵检测准确率、降低误警率。