基于支持向量机和贝叶斯分类的异常检测模型

• 作者: 全亮亮 吴卫东
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 异常检测 BIRCH聚类 支持向量机 贝叶斯分类 KDD99
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 信息安全
• 页码范围: 1632-1635,1639
• 分类号: TP393.08
• 字数: 6190字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2012.01632

摘要

通过对网络攻击类型和入侵检测方法的研究,发现常用的入侵检测方法不能很好地检测U2R和R2L两类攻击.为解决异常检测中对于U2R和R2L两类攻击检测率低的问题,提出了一种基于支持向量机和贝叶斯分类的异常检测模型,该模型利用BIRCH聚类算法减少训练数据集中重复记录,并利用支持向量机分类算法和贝叶斯分类算法分别检测DoS、Probe攻击和U2R、R2L攻击.实验结果表明,该模型对于U2R和R2L的检测率分别提高到了68.6％和45.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴卫东	武汉科技大学计算机科学与技术学院	13	34	3.0	5.0
2	全亮亮	武汉科技大学计算机科学与技术学院	1	12	1.0	1.0