基于贝叶斯和决策树的入侵检测方法

• 作者: 张婷 杨振宇 池静
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 入侵检测 朴素贝叶斯 决策树 相似度 信息增益
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 实验研究
• 页码范围: 62-65
• 页数: 4页
• 分类号: TD67
• 语种: 中文
• DOI: 10.7526/j.issn.1671-251X.2013.02.016

摘要

针对目前基于贝叶斯或决策树的入侵检测方法存在检测率低、误检率高的问题,提出了一种基于贝叶斯和决策树的入侵检测方法.该检测方法首先采用基于特征相似度的朴素贝叶斯方法对训练集中的样本进行分类,更新每个样本的类值；然后对训练集中的样本再次使用朴素贝叶斯方法进行分类,对存在误分类样本的类采用决策树的信息增益来确定属性划分子类,再对子类进行分类和划分操作；最后建立贝叶斯和决策树的混合模型进行入侵检测.实验结果表明,与单独使用贝叶斯或者决策树的检测方法相比,该检测方法具有较高的检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	池静		13	88	6.0	9.0
2	杨振宇		4	10	1.0	3.0
3	张婷		10	35	3.0	5.0