邻域否定选择算法遍历每个自体样本,导致计算量大及匹配阶段重叠率高等问题。为此,对邻域否定选择算法和聚类技术进行研究,提出一种邻域检测器生成算法。将自体样本映射到构建好的邻域空间中进行聚类,同时对随机检测器予以耐受,训练出成熟的邻域检测器。在KDD CUP 1999数据集上的仿真结果表明,该算法可以缩短生成检测器的时间,有效解决高重叠问题,提高检测效率。
针对免疫入侵检测数据处理速度慢以及检测实时性差的问题,提出Bregman非负矩阵分解算法,采用Bregman迭代方式改进传统非负矩阵分解过程,优化矩阵迭代过程,利用矩阵本地化方法分解矩阵,增加矩阵的约束,保留检测数据内部结构并且加快数据的处理速度。在KDD CUP 1999数据集上的仿真结果表明,该算法有效提高了入侵检测速度,增强了免疫入侵检测的时效性。
