用于入侵检测的基于粗糙集的贝叶斯分类器

• 作者: 翟素兰 郑诚
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 入侵检测 朴素贝叶斯 粗糙集 属性约简
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 计算机安全
• 页码范围: 226-227,230
• 页数: 3页
• 分类号: TP393.08
• 字数: 2824字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2006.01.073

摘要

网络安全的问题日趋严重,入侵检测的研究是当今的研究热点.将数据挖掘和机器学习技术用于入侵检测是一个可行的方法.有很多算法用于入侵检测中,但有的是正确率比较低,也有的是学习或分类时间长,这些都限制了入侵检测系统在实际中的应用.文中提出了将粗糙集用于网络侦听的海量数据的属性约简,而后提出使用朴素贝叶斯进行分类预测.该方法的准确率高,而且时间性能好,适用于网络入侵检测的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟素兰	安徽大学计算机科学与技术学院	27	129	6.0	9.0
2	郑诚	安徽大学计算机科学与技术学院	103	1013	15.0	28.0