基于朴素贝叶斯的社交网络入侵行为取证模型构建

发布时间：2021-01-31 11:30

　　目前社交网络入侵行为取证模型的异常类型匹配度较低、取证匹配范围较小。利用朴素贝叶斯构建了一种新的社交网络入侵行为取证模型。利用改进网络模型扩建检测框架,分析朴素贝叶斯网络内部节点,通过重复和评价实现入侵特征分类,完成入侵检测分析。以贝叶斯概率理论为基础,建立朴素贝叶斯来构建社交网络入侵行为取证模型,基于先验概率寻找后验概率的核心思想实现入侵行为取证。实验结果表明,基于朴素贝叶斯的社交网络入侵行为取证模型的异常类型匹配度高、取证范围大、实际应用效果好。 

【文章来源】：廊坊师范学院学报(自然科学版). 2020,20(04)

【文章页数】：5 页

【部分图文】：

朴素贝叶斯网络

当前入侵检测中建立分类模型的方法有很多种，其原理和策略也不尽相同，通过研究决策树和数学表达公式来展示模型结果。分析标记连接记录数据实现新训练，这样可以有效减少重复和评价花费的时间，根据特征分析完成分类进行检测，连接记录被输入到分类器，然后分类器会输出记录所属的类别[10-11]。

入侵行为取证模型是入侵检测技术中的一个重要组成部分，贝叶斯网络能够建立广泛的认知行为模型，具有神经网络所没有的概率推理能力[12]。本文以贝叶斯概率理论为基础，建立取证模型，它不仅具有理论基础，而且具有表达和推理的能力。入侵行为取证模型如图3所示。决定理论是主观贝叶斯归纳理论的重要组成部分，它在完全智能条件下估计局部知识状态的主观概率，再用贝叶斯公式修正发生概率，最后根据预测值和修正概率进行优化。这种方法的核心思想是利用测验前的概率估计测验后的概率[13]。

【参考文献】：
期刊论文
[1]基于朴素贝叶斯分类的居民出行起讫点识别方法[J]. 赵光华,赖见辉,陈艳艳,孙浩冬,张野.  计算机应用. 2020(01)
[2]基于朴素贝叶斯分类器的公共自行车系统故障诊断方法[J]. 时中朝,郝伟娜,董红召.  中国机械工程. 2019(08)
[3]基于主成分分析的朴素贝叶斯算法在垃圾短信用户识别中的应用[J]. 李琼阳,田萍.  数学的实践与认识. 2019(01)
[4]基于Spark的大规模社交网络社区发现原型系统[J]. 叶小榕,邵晴.  科技导报. 2018(23)
[5]大规模混合网络中基于朴素贝叶斯分类的TCP自适应鉴别器[J]. 陈娅婷,鲁凌云.  通信学报. 2018(S1)
[6]基于朴素贝叶斯的文化旅游文本分类技术研究[J]. 王祥翔,方荟,陈崇成.  福州大学学报(自然科学版). 2018(05)
[7]基于朴素贝叶斯的档案分类研究[J]. 刘佩鑫,于洪志,徐涛.  河北大学学报(自然科学版). 2018(05)
[8]基于联合分类器过滤噪声的微博主题发现[J]. 高森,严曙,崔超远,孙丙宇,汪六三.  计算机系统应用. 2018(01)
[9]一种基于朴素贝叶斯的校准标签排序方法[J]. 张其龙,邓维斌,胡峰,瞿原,胡宗容.  中国科学技术大学学报. 2018(01)
[10]基于引力模型的朴素贝叶斯分类算法[J]. 王威,赵思逸,王新.  计算机应用研究. 2018(09)



本文编号：3010779