為了更好地解決入侵檢測技術中誤用檢測造成未知入侵行為誤檢率升高的問題,提出了一種基于NBSR模型的入侵檢測技術。首先,為了彌補ReliefF特征選擇算法對特征之間的相關性分析的不足,引入Pearson相關系數(shù),提出Relieff-P算法。其次,利用Relieff-P算法對UNSW-NB15數(shù)據(jù)集進行處理,去除無關特征,得到新的特征子集。最后,將樸素貝葉斯分類器和Softmax回歸分類器級聯(lián)構成NBSR分類器,建立了NBSR模型。在UNSW-NB15測試集上的實驗結果表明,NBSR模型較其他檢測模型有較低的誤檢率。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 相關研究
3 基于NBSR模型的入侵檢測
    3.1 相關系數(shù)改進的Relieff-P特征選擇算法
    3.2 NBSR入侵檢測模型
        (1)網絡入侵數(shù)據(jù)集預處理。
        (2)最優(yōu)特征子集。
        (3)第1階段樸素貝葉斯分類模型。
        (4)第2階段Softmax回歸分類模型。
        (5)NBSR分類器結構。
4 仿真實驗與分析
    4.1 UNSW-NB15數(shù)據(jù)集
    4.2 實驗結果與分析
5 結束語



本文編號：3842700