基于贝叶斯和决策树的入侵检测方法

发布时间：2021-12-09 11:49

　　针对目前基于贝叶斯或决策树的入侵检测方法存在检测率低、误检率高的问题,提出了一种基于贝叶斯和决策树的入侵检测方法。该检测方法首先采用基于特征相似度的朴素贝叶斯方法对训练集中的样本进行分类,更新每个样本的类值;然后对训练集中的样本再次使用朴素贝叶斯方法进行分类,对存在误分类样本的类采用决策树的信息增益来确定属性划分子类,再对子类进行分类和划分操作;最后建立贝叶斯和决策树的混合模型进行入侵检测。实验结果表明,与单独使用贝叶斯或者决策树的检测方法相比,该检测方法具有较高的检测率。 

【文章来源】：工矿自动化. 2013,39(02)北大核心

【文章页数】：4 页

【部分图文】：

图３最优励磁控制和传统ＰＩＤ控制的功率角仿真结果（ｂ）传统ＰＩＤ控制

图１基于贝叶斯和决策树的入侵检测方法流程

【参考文献】：
期刊论文
[1]基于朴素贝叶斯与ID3算法的决策树分类[J]. 黄宇达,王迤冉.  计算机工程. 2012(14)
[2]基于信息增益的贝叶斯入侵检测模型优化的研究[J]. 何慧,苏一丹,覃华.  计算机工程与科学. 2006(06)

硕士论文
[1]数据挖掘在网络入侵检测系统中的应用研究[D]. 马晓春.西北工业大学 2005



本文编号：3530577