傳統(tǒng)的網(wǎng)絡(luò)入侵行為檢測(cè)方法檢測(cè)時(shí)間長(zhǎng)、檢測(cè)率低,導(dǎo)致網(wǎng)絡(luò)安全受到嚴(yán)重威脅,因此基于貝葉斯分類算法對(duì)網(wǎng)絡(luò)入侵行為檢測(cè)方法進(jìn)行研究。首先設(shè)計(jì)用戶行為日志采集系統(tǒng),通過采集節(jié)點(diǎn)模塊、數(shù)據(jù)分析與存儲(chǔ)模塊對(duì)用戶行為日志數(shù)據(jù)進(jìn)行采集,其次通過消除冗余數(shù)據(jù)、數(shù)據(jù)規(guī)范化等環(huán)節(jié)預(yù)處理采集到的數(shù)據(jù)。針對(duì)預(yù)處理后的數(shù)據(jù),構(gòu)建基于樸素貝葉斯分類的網(wǎng)絡(luò)入侵行為檢測(cè)模型,基于不同的屬性集構(gòu)建非網(wǎng)絡(luò)入侵與網(wǎng)絡(luò)入侵分類規(guī)則,實(shí)現(xiàn)網(wǎng)絡(luò)入侵行為檢測(cè)。實(shí)驗(yàn)結(jié)果顯示該方法檢測(cè)結(jié)果準(zhǔn)確度在97%以上,檢測(cè)過程花費(fèi)時(shí)間與對(duì)比方法相比降低4 s以上。 

【文章來源】：微型電腦應(yīng)用. 2020,36(10)

【文章頁數(shù)】：4 頁

【部分圖文】：

用戶行為日志采集系統(tǒng)結(jié)構(gòu)框架

針對(duì)預(yù)處理后的用戶行為日志數(shù)據(jù)以WenkeLee入侵檢測(cè)理論為基礎(chǔ)[11],構(gòu)建基于樸素貝葉斯分類的網(wǎng)絡(luò)入侵行為檢測(cè)模型(以下簡(jiǎn)稱為樸素貝葉斯分類檢測(cè)模型),模型結(jié)果如圖2所示。樸素貝葉斯分類檢測(cè)模型構(gòu)建過程如下:利用n維特征向量描述用戶行為日志數(shù)據(jù),訓(xùn)練樣本的類標(biāo)識(shí)可固定模型結(jié)構(gòu),即類節(jié)點(diǎn)。各訓(xùn)練樣本內(nèi)包含的全部特征屬性均為存在于根節(jié)點(diǎn)內(nèi)、具有獨(dú)立性的子節(jié)點(diǎn)[12],基于此當(dāng)確定貝葉斯分類模型結(jié)構(gòu)后,基于訓(xùn)練樣本A節(jié)點(diǎn)的概率即可確定模型參數(shù)。

各測(cè)試集檢測(cè)過程中花費(fèi)的時(shí)間,如圖3所示。分析圖3能夠得到,采用本文方法檢測(cè)三個(gè)測(cè)試集花費(fèi)的平均時(shí)間均控制在11 s左右,與兩種對(duì)比方法相比降低4 s以上,由此可知本文方法具有較高的檢測(cè)效率。

【參考文獻(xiàn)】：
期刊論文
[1]基于相關(guān)信息熵和CNN-BiLSTM的工業(yè)控制系統(tǒng)入侵檢測(cè)[J]. 石樂義,朱紅強(qiáng),劉祎豪,劉佳.  計(jì)算機(jī)研究與發(fā)展. 2019(11)
[2]改進(jìn)的隨機(jī)森林分類器網(wǎng)絡(luò)入侵檢測(cè)方法[J]. 夏景明,李沖,談玲,周剛.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(08)
[3]基于分類優(yōu)化貝葉斯結(jié)構(gòu)算法的篦冷機(jī)參數(shù)狀態(tài)分析及其算法收斂性分析[J]. 劉浩然,孫美婷,王海羽,張力悅,范瑞星,劉彬.  計(jì)量學(xué)報(bào). 2019(04)
[4]基于混合樽海鞘-差分進(jìn)化算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法[J]. 劉彬,范瑞星,劉浩然,張力悅,王海羽,張春蘭.  通信學(xué)報(bào). 2019(07)
[5]基于貝葉斯攻擊圖的網(wǎng)絡(luò)入侵意圖識(shí)別方法[J]. 王洋,吳建英,黃金壘,胡浩,劉玉嶺.  計(jì)算機(jī)工程與應(yīng)用. 2019(22)
[6]利用SSO的自適應(yīng)黑名單分組過濾器網(wǎng)絡(luò)入侵檢測(cè)方法[J]. 陳惠娟,馮月春,趙雪青.  控制工程. 2018(10)
[7]卷積邊界擴(kuò)展研究與實(shí)現(xiàn)[J]. 李海玲,張昊.  微型電腦應(yīng)用. 2018(10)
[8]遠(yuǎn)程網(wǎng)絡(luò)校準(zhǔn)測(cè)控系統(tǒng)設(shè)計(jì)[J]. 郭雷.  微型電腦應(yīng)用. 2018(07)
[9]基于改進(jìn)貝葉斯優(yōu)化算法的CNN超參數(shù)優(yōu)化方法[J]. 鄧帥.  計(jì)算機(jī)應(yīng)用研究. 2019(07)
[10]網(wǎng)絡(luò)安全檢測(cè)框架與方法研究[J]. 劉強(qiáng),蔡志平,殷建平,董德尊,唐勇,張一鳴.  計(jì)算機(jī)工程與科學(xué). 2017(12)



本文編號(hào)：3594253