一种混合入侵检测模型

• 作者: 杨忠明 梁本来 蔡昭权
• 来源期刊: 计算机测量与控制
• 关键词: 入侵检测模型 混合方法 K-均值 朴素贝叶斯 反向传播神经网络
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 设计与应用
• 页码范围: 225-228,232
• 页数: 5页
• 分类号: TP393
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2017.04.061

摘要

为了提高入侵检测模型的准确率,提出一种基于K-均值算法、朴素贝叶斯分类算法和反向传播神经网络的混合入侵检测模型;首先,采用基于分区、无监督式聚类分析的K-均值算法进行数据的聚类处理,得到易于被机器处理和学习的数据集;为了进一步获取必要的数据属性,将聚类处理的结果输入到贝叶斯分类器进行分类;然后,具有较短学习周期的反向传播神经网络负责训练数据分类样本;最后,基于KDD CUP99数据集,对混合入侵检测模型进行了仿真实验,实验结果表明,通过混合入侵检测模型,DoS、U2R、R2L和Probe等入侵数据被精准地检测出;相比其它入侵检测模型,混合入侵检测模型取得了较高的准确率和召回率,以及较低的误报率,具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡昭权	惠州学院科研处	144	686	14.0	20.0
2	梁本来	中山职业技术学院信息工程学院	21	64	4.0	7.0
3	杨忠明	广东科学技术职业学院计算机工程技术学院	20	68	5.0	8.0