基于贝叶斯方法的单分类入侵检测技术

• 作者: 景旭 朱俊平 肖仙谦 马巧娥
• 来源期刊: 河北大学学报（自然科学版）
• 学科: 工学
• 关键词: 入侵检测 单分类支持向量机 贝叶斯估计 主成分分析 核函数
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 研究报告
• 页码范围: 7-13
• 页数: 7页
• 分类号: TP393.08
• 字数: 4984字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1565.2014.01.002

摘要

考虑到入侵检测问题中样本数据的不平衡性,可以将单分类模型应用到入侵检测中.通过应用贝叶斯方法,对单分类支持向量机模型进行改进,使之成为一种概率模型,从而更加符合入侵过程的随机特性;应用主成分分析技术对原始数据在各个方向上进行等方差处理,使之更加符合该模型对数据正态分布的前提假设.同时,在模型求解上采用分治的思想,对数据进行分组计算,实现对大数据的高效求解.在标准入侵检测数据集NSL-KDD上进行测试,实验结果达到87.46％的检测准确率,从而验证了该方法可以在入侵检测中得到有效利用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	景旭	西北农林科技大学信息工程学院	40	213	9.0	12.0
2	朱俊平	西北农林科技大学信息工程学院	27	140	8.0	11.0
3	肖仙谦	西北农林科技大学信息工程学院	2	1	1.0	1.0