入侵检测系统可在无网络管理员运作的条件下,积极主动的为计算机网络提供外部攻击、内部攻击及误操作的实时保护,现已成为一种重要的网络安全工具。粗糙集中的属性约简方法通常用于入侵检测系统以删除冗余、干扰数据,提高检测效率和检测率。但现有入侵检测系统中的属性约简方法时间和空间复杂度高,难以对大规模入侵检测数据进行快速约简,且大多为静态属性约简算法,对于动态入侵检测数据的实时计算效率很低,使得入侵检测速度远小于网络传输速度,难以及时发起警报,阻止入侵,从而造成严重损失。因此,提高属性约简效率,从而加快入侵检测效率,对于及时阻止入侵,降低入侵损失至关重要。本文以本研究团队提出的基于一致矩阵的模糊覆盖属性约简算法(RCM)为基础,针对当前入侵检测系统中大规模数据和动态数据难处理的问题,分别采用静态和动态两类不同的属性约简方法解决该问题。第一,针对大规模入侵检测数据,将RCM应用于入侵检测系统中,以快速删除入侵决策表中的冗余、干扰数据,提高入侵检测系统的效率及检测率,降低误报率和漏报率。第二,针对动态入侵检测数据,在RCM方法的基础上,设计了四种不同的模糊覆盖动态属性约简算法(DRCM),以进一步提高属性约简效率,满足动态入侵决策表的实时属性约简计算需求。最后,利用上述两类方法对入侵检测数据NSL-KDD进行属性约简,以快速提取关键属性,删除冗余数据。实验结果表明,相比基于邻域粗糙集的属性约简算法、基于邻域区分指数的属性约简算法、基于融合模糊粗糙集的属性约简算法,RCM可在保持入侵分类信息的基础上,快速求得入侵决策表的属性约简,进而提高入侵检测效率。而当入侵决策表中的属性或对象变化时,DRCM动态属性约简算法可在保持RCM属性约简结果不变的基础上,避免RCM中大量的重复计算,进一步提高动态入侵检测效率。