基于改进朴素贝叶斯的入侵检测方法

• 作者: 孙程 杨启亮 邢建春 韩德帅
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 朴素贝叶斯 加权系数 属性值
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 智能工业与信息安全
• 页码范围: 8-10,14
• 页数: 4页
• 分类号: TP31
• 字数: 3470字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2017.01.003

摘要

工业控制系统的网络安全问题越来越严峻,遭到的入侵威胁也越来越复杂.伴随着网络的开放性、复杂性不断增强,入侵威胁正在不断加深.为了抵御愈趋复杂和多样的入侵威胁,需要设计高效的入侵检测方法.朴素贝叶斯分类算法是一种有效而简洁的分类算法,能较好地应用于工业控制系统网络的入侵检测.但是它的属性独立性假设使得该方法无法表示属性变量之间存在的关系,影响了它的分类效果.针对该缺陷,借鉴前人的经验,提出了一种改进综合加权系数的朴素贝叶斯分类算法(Compositive Weighted Naive Bayes Classification,CWNBC).该算法既考虑了不同属性取值对分类结果的影响,又考虑了属性值的内容对分类的影响,巧妙地引入了综合加权系数.将该算法与其他几种算法比较,经实验表明,该分类算法有较高的分类准确率,能更好地适用于比较复杂的工业控制系统网络的入侵检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢建春	解放军理工大学国防工程学院	95	797	12.0	24.0
2	杨启亮	解放军理工大学国防工程学院	53	318	9.0	15.0
3	孙程	解放军理工大学国防工程学院	3	14	1.0	3.0
4	韩德帅	解放军理工大学国防工程学院	8	139	5.0	8.0