基于粗糙加权平均单依赖估计的入侵检测算法

• 作者: 叶德忠 巫忠正 李千目 耿夏琛 蒋勇
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 入侵检测 粗糙集理论 属性约减 贝叶斯理论 粗糙加权平均单依赖估计
• 年，卷（期）: 2017,（4）
• 页码范围: 420-427
• 页数: 8页
• 分类号: TP391
• 字数: 6641字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2017.41.04.004

摘要

入侵检测作为网络安全的重要方向,得到了越来越多的重视,大量传统的数据挖掘算法被尝试应用到入侵检测的数据分析领域.随着网络带宽不断提升,激增的数据量和类型繁多的协议格式使得这些传统算法在入侵检测方向的应用出现了识别精度差、运行效率不高或者参数选取困难等实际问题.该文提出一种基于粗糙集理论和贝叶斯理论的粗糙加权平均单依赖估计入侵检测算法,该方法基于粗糙集理论对网络数据进行属性约简,使用加权平均单依赖估计方法进行分类,完成对网络数据的入侵检测,算法资源消耗较低且易于实现.实验证明,该方法具有较好运行效率与准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李千目	南京理工大学计算机科学与工程学院	169	1365	19.0	28.0
2	叶德忠	中兴通讯股份有限公司南京研发中心	2	7	2.0	2.0
3	巫忠正	中兴通讯股份有限公司南京研发中心	2	7	2.0	2.0
4	蒋勇	中兴通讯股份有限公司南京研发中心	3	11	3.0	3.0
5	耿夏琛	南京理工大学计算机科学与工程学院	1	4	1.0	1.0