基于贝叶斯分类算法的网络入侵行为检测方法

发布时间：2022-01-17 06:49

　　传统的网络入侵行为检测方法检测时间长、检测率低,导致网络安全受到严重威胁,因此基于贝叶斯分类算法对网络入侵行为检测方法进行研究。首先设计用户行为日志采集系统,通过采集节点模块、数据分析与存储模块对用户行为日志数据进行采集,其次通过消除冗余数据、数据规范化等环节预处理采集到的数据。针对预处理后的数据,构建基于朴素贝叶斯分类的网络入侵行为检测模型,基于不同的属性集构建非网络入侵与网络入侵分类规则,实现网络入侵行为检测。实验结果显示该方法检测结果准确度在97%以上,检测过程花费时间与对比方法相比降低4 s以上。 

【文章来源】：微型电脑应用. 2020,36(10)

【文章页数】：4 页

【部分图文】：

用户行为日志采集系统结构框架

针对预处理后的用户行为日志数据以WenkeLee入侵检测理论为基础[11],构建基于朴素贝叶斯分类的网络入侵行为检测模型(以下简称为朴素贝叶斯分类检测模型),模型结果如图2所示。朴素贝叶斯分类检测模型构建过程如下:利用n维特征向量描述用户行为日志数据,训练样本的类标识可固定模型结构,即类节点。各训练样本内包含的全部特征属性均为存在于根节点内、具有独立性的子节点[12],基于此当确定贝叶斯分类模型结构后,基于训练样本A节点的概率即可确定模型参数。

各测试集检测过程中花费的时间,如图3所示。分析图3能够得到,采用本文方法检测三个测试集花费的平均时间均控制在11 s左右,与两种对比方法相比降低4 s以上,由此可知本文方法具有较高的检测效率。

【参考文献】：
期刊论文
[1]基于相关信息熵和CNN-BiLSTM的工业控制系统入侵检测[J]. 石乐义,朱红强,刘祎豪,刘佳.  计算机研究与发展. 2019(11)
[2]改进的随机森林分类器网络入侵检测方法[J]. 夏景明,李冲,谈玲,周刚.  计算机工程与设计. 2019(08)
[3]基于分类优化贝叶斯结构算法的篦冷机参数状态分析及其算法收敛性分析[J]. 刘浩然,孙美婷,王海羽,张力悦,范瑞星,刘彬.  计量学报. 2019(04)
[4]基于混合樽海鞘-差分进化算法的贝叶斯网络结构学习算法[J]. 刘彬,范瑞星,刘浩然,张力悦,王海羽,张春兰.  通信学报. 2019(07)
[5]基于贝叶斯攻击图的网络入侵意图识别方法[J]. 王洋,吴建英,黄金垒,胡浩,刘玉岭.  计算机工程与应用. 2019(22)
[6]利用SSO的自适应黑名单分组过滤器网络入侵检测方法[J]. 陈惠娟,冯月春,赵雪青.  控制工程. 2018(10)
[7]卷积边界扩展研究与实现[J]. 李海玲,张昊.  微型电脑应用. 2018(10)
[8]远程网络校准测控系统设计[J]. 郭雷.  微型电脑应用. 2018(07)
[9]基于改进贝叶斯优化算法的CNN超参数优化方法[J]. 邓帅.  计算机应用研究. 2019(07)
[10]网络安全检测框架与方法研究[J]. 刘强,蔡志平,殷建平,董德尊,唐勇,张一鸣.  计算机工程与科学. 2017(12)



本文编号：3594253