基于JRNB的网络入侵检测算法

• 作者: 侯占伟 李建鹏 王辉
• 来源期刊: 传感器与微系统
• 关键词: 入侵检测 朴素贝叶斯 JS散度 反类别频率
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 计算与测试|Calculation & Test
• 页码范围: 118-121
• 页数: 4页
• 分类号: TP393
• 语种: 中文
• DOI: 10.13873/J.1000—9787(2021)07—0118—04

摘要

朴素贝叶斯(NB)算法的条件独立性假设在一定程度上牺牲了分类准确率,在应对关系复杂的网络入侵数据时缺点尤为突出.针对这一问题,提出一种特征加权的JS散度和反类别频率(RCF)改进朴素贝叶斯(JRNB)入侵检测算法.为了弥补NB算法中对所有特征项同等分析的不足,引入JS散度的方法来衡量每个特征项的权重,以突出不同特征项之间的差异性;考虑到类频率对样本分类的影响,提出RCF来完善特征权值的计算,进一步降低条件独立性所带来的影响.仿真实验结果表明:JRNB算法在入侵检测的应用中取得了更好的检测性能.