基于决策树与朴素贝叶斯分类的入侵检测模型

• 作者: 姚潍 张胜利 王娟
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 入侵检测 决策树 朴素贝叶斯 概率加权和
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 信息安全
• 页码范围: 2883-2885
• 页数: 3页
• 分类号: TP393.08
• 字数: 3309字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.10.2883

摘要

入侵检测要求系统能够快速准确地找出网络中的入侵行为,因此对检测算法的效率有较高的要求.针对入侵检测系统效率和准确率偏低,系统的误报率和漏报率偏高的问题,在充分分析C4.5算法和朴素贝叶斯(NB)算法后,提出一种二者相结合的H-C4.5-NB入侵检测模型.该模型以概率的形式来描述决策类别的分布,并由C4.5和NB概率加权和的形式给出最终的决策结果,最后使用KDD 99数据集测试模型性能.实验结果表明,与传统的C4.5、NB和NBTree方法相比,在H-C4.5-NB中对拒绝服务(DoS)攻击的分类准确率提高了约9％,对U2R和R2L攻击的准确率提高约20％ ～ 30％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王娟	深圳大学信息工程学院	26	148	6.0	11.0
2	张胜利	深圳大学信息工程学院	14	38	4.0	5.0
3	姚潍	深圳大学信息工程学院	1	19	1.0	1.0