基于信息增益的贝叶斯入侵检测模型优化的研究.pdfVIP

CN43—1258／TP 计算机工程与科学 2006年第28卷第6期 ISSN 1007—13OX COMPUTERENGINEERING ＆ SCIENCE Vo1．28，No．6，2006 文章编号：1007—13ox(2oo6)o6—0038—03 基于信息增益的贝叶斯入侵检测模型优化的研究 TheResearchofanOptimizedBayesianIntrusion DetectionM odelBasedon InformationGain 何 慧1l，苏一丹 。覃 华 HEHui--，SUYi—dan2-一。OINHua2 (1．江西师范大学商学院，江西 南昌330022；2．广西大学计算机科学与信息工程学院． 广西 南宁 530004；3．上海理工大学．上海 200093) (1．SchoolofBusiness，JiangxiNormalUniversity。Nanchang330022； 2．SchoolofComputerScienceandInformationEngineering，GuangxiUniversity，Nanning530004； 3．ShanghaiUniversityofScienceandTechnology。Shanghai200093。China) 摘 要：对于不同类型的网络入侵 ，其行为特征所涉及到的主要数据属性会有所不同。传统的朴素贝叶斯(NB)入侵 检测模型没有考虑这个差别。本文引入信息增益改进传统的NB模型，利用它来对网络连接数据的属性进行特征选择，并 删除一些冗余的属性，达到优化NB入侵检-al4模型的 目的。实验表明，信息增益对NB模型有一定的优化作用，相对神经 网络模型有更高的检测率。 Abstract：Asfordifferentnetworkintrusiondetections，theirdifferentactionshavedifferentdataattributes．Thetradi— tionalNaiveBayesian(NB)modelofintrusiondetectiondidnotconsiderthedifference．Thepaperexploitsinformationgain inordertoimprovethetraditionalNBmodel，anduseittOselectfeaturesanddeleteunnecessaryattributesinordertoopti— mizeN13．Theexperimentalresultsshow thatinformationgaincanoptimizethetraditionalNBmodeltOsomeextent，and haveahigherdetectionrateforneuralnetworks． 关键词：朴素贝叶斯分类；入侵检测；信息增益 Keywords：NaiveBayesianclassifier；intrusiondetection；informationgain 中图分类号：TP393．08 文献标识码：A 1 引言 2 信息增益 朴素贝叶斯入侵检测是一种基于统计的检测方法，由 信息增益又称为互信息。样本中属性的信息增益越 于它具有很强的概率推理能力L1]，所以可用来检测已知的 大，其包含的信息量也越大。也就是说，在特征选择时应计 入侵，也可以用来检测未知或已知的入侵变种。传统贝叶 算各个属性的信息增益。具有最高信息增益值的属性是给 斯分类模型的一个缺点是，在对未知样本进行分类时没有 定集合中具有最高区分度的属性。 考虑不同属性对分类所起作用不同，冗余的数据属性会提