改进贝叶斯分类算法在入侵检测中的研究

• 作者: 张铮 李俊 高志森
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 贝叶斯分类 增量学习 损失幅度参数 类别标签
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 安全与防范
• 页码范围: 174-176
• 页数: 3页
• 分类号: TP393.08
• 字数: 2435字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2007.01.059

摘要

把朴素贝叶斯分类算法引入到入侵检测中,可以简单方便地区别出入侵事件.但是由于该算法在学习中存在一定的不足和缺陷,主要是属性值之间要求相互条件独立和训练集数据不完备这两个缺陷,导致了它的检测效果并不是很理想.文中针对该算法这两个最主要的缺陷,提出增量学习概念,引入损失幅度参数,改进和完善朴素贝叶斯分类算法.并对改进后的新学习策略进行了分析和研究,给出了其基本实现思想和算法描述,并指出它实现的可能性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊	南京航空航天大学信息科学与技术学院	45	357	11.0	16.0
2	张铮	南京航空航天大学信息科学与技术学院	4	25	3.0	4.0
3	高志森	南京航空航天大学信息科学与技术学院	2	18	2.0	2.0