基于关联规则的入侵检测算法综述new.docVIP

基于关联规则的入侵检测算法综述 武玉刚1,2秦 勇Apriori算法做了描述。之后针对该算法的缺点，介绍了一些改进算法。针对入侵检测算法的缺点及其在入侵检测方面的研究分别进行了分析综述，并对其改进阐述。最后，指出了在该领域需要进一步研究的热点问题。 关键字：关联规则；入侵检测；数据挖掘 The Overview of Intrusion Detection Algorithms Based on Association rules WU Yu-gang 1,2 QIN Yong 2 SONG Ji-guang 2,3 YANG Zhong-ming 2 (1.Dept. Computer Information Engineering, Jiang Su University of Science Technology, Zhenjiang, Jiangsu 212003；2 Center of information networks Maoming university, Maoming, Guangdong 525000；3 Dept. Computer Science, Tai Yuan University of Technology, Taiyuan, Shanxi 030024) Abstract：Association rule is a new data mining method. Under the current situation of domestic and international research for the characteristics of association rules, first of all pairs of association rules were introduced, and made the classic Apriori algorithm are described. After the address the shortcomings of the algorithm, introduced some improving algorithms. The disadvantages for the intrusion detection algorithm and its application in intrusion detection research synthesis were analyzed, and it improvements are described. Finally, pointed out the need for further research in this area, a hot issue. Key Words: association rules；intrusion detection；data mining （association rule）Agrawal[1]等人首先提出的一个重要KDD研究课题，它反映了大量数据中项目集之间有趣的关联或相关联系。 定义2 （项）设I = 是二进制文字的集合, 其中的元素称为项(item)。 定义3 （支持度）记D 为交易（transaction) T ,交易T 是项的集合,并且T I 。 ，其中 （1） 定义4 （置信度） ，其中 （2） 定义5 （强关联规则） 是指挖掘出支持度和可信度分别大于用户给定的最小支持度(min_supp)和最小可信度(min_conf)的关联规则。 定义6（频繁项集）如果项集的出现频率大于或等于min_supp与D中事务总数的乘积,则称它为频繁项集。 定义7 （兴趣度）[2] 规定R的兴趣度为， （3） 其中为，=。 Apriori算法 Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则,并设计了一个基本算法, 其核心是基于频集理论的递推方法, 即基于两阶段频集思想的方法, 将关联规则的设计分解为两个子问题: 发现频集。, 开销最大, 因此, 各种算法主要致力于提高发现频集的效率。, 产生强关联规则。 。,因此挖掘关联规则的整个性能就由步骤1中的操作处理所决定。 挖掘关联规则的总体性能由第一步决定，第二步相对容易实现。首先产生频繁1-项集L1，然后是频繁2-项集L2，直到有某个r值使得Lr为空，这时算法停止。这里在第k次循环中，过程先产生候选k-项集的集合Ck，Ck中的每一个项集是对两个只有一个项不同的属于Lk-1的频集做一个(k-2)-连接来产生的。Ck中的项集是用来产生频集的候选集，最