針對(duì)目前基于貝葉斯或決策樹(shù)的入侵檢測(cè)方法存在檢測(cè)率低、誤檢率高的問(wèn)題,提出了一種基于貝葉斯和決策樹(shù)的入侵檢測(cè)方法。該檢測(cè)方法首先采用基于特征相似度的樸素貝葉斯方法對(duì)訓(xùn)練集中的樣本進(jìn)行分類,更新每個(gè)樣本的類值;然后對(duì)訓(xùn)練集中的樣本再次使用樸素貝葉斯方法進(jìn)行分類,對(duì)存在誤分類樣本的類采用決策樹(shù)的信息增益來(lái)確定屬性劃分子類,再對(duì)子類進(jìn)行分類和劃分操作;最后建立貝葉斯和決策樹(shù)的混合模型進(jìn)行入侵檢測(cè)。實(shí)驗(yàn)結(jié)果表明,與單獨(dú)使用貝葉斯或者決策樹(shù)的檢測(cè)方法相比,該檢測(cè)方法具有較高的檢測(cè)率。 

【文章來(lái)源】：工礦自動(dòng)化. 2013,39(02)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

圖３最優(yōu)勵(lì)磁控制和傳統(tǒng)ＰＩＤ控制的功率角仿真結(jié)果（ｂ）傳統(tǒng)ＰＩＤ控制

圖１基于貝葉斯和決策樹(shù)的入侵檢測(cè)方法流程

【參考文獻(xiàn)】：
期刊論文
[1]基于樸素貝葉斯與ID3算法的決策樹(shù)分類[J]. 黃宇達(dá),王迤冉.  計(jì)算機(jī)工程. 2012(14)
[2]基于信息增益的貝葉斯入侵檢測(cè)模型優(yōu)化的研究[J]. 何慧,蘇一丹,覃華.  計(jì)算機(jī)工程與科學(xué). 2006(06)

碩士論文
[1]數(shù)據(jù)挖掘在網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)中的應(yīng)用研究[D]. 馬曉春.西北工業(yè)大學(xué) 2005



本文編號(hào)：3530577