基于模糊理论与关联规则的入侵检测模型

利用 BV-Apriori 算法生成匹配规则库,引入模糊集合技术解决连续型数据划分过程中边界过硬的问题,完成特征之间关系的实时分析与规则库的更新,搭建入侵检测BVA-IDS(Boolean vector Apriori-intrusion detection system)模型。研究结果表明,相比顺序生成频繁项集的Apriori算法与已有文献的Apriori-BR算法,本文的BV-Apriori算法挖掘效率显著地提高;相比已有文献的检测模型,本文的BVA-IDS模型在入侵检测指标上表现较好,有较高的检测准确性与较低的误检率和漏检率。