基于树加权朴素贝叶斯算法的入侵检测技术研究.PDFVIP

第３３卷第２期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．２ ２０１６年２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｆｅｂ．２０１６ 基于树加权朴素贝叶斯算法的入侵检测技术研究 王　辉　陈泓予　杨姗姗 （河南理工大学计算机科学与技术学院　河南焦作４５４０００） 摘　要　　针对朴素贝叶斯（ＮＢ）算法在现实情况中所存在的缺陷，提出一种改进后的朴素贝叶斯算法———树加权朴素贝叶斯 （ＴＷＮＢ）算法。该算法通过引入决策树归纳法（ＤＴＩ）在属性之间条件独立的集合中选择出相对更为重要的子属性集，并利用权重 参数弱化了ＮＢ算法的条件独立假设性，从而降低了分类数据的维度，提高了算法的分类准确率。结合实验结果证明，在使用有限 的计算资源下，基于ＴＷＮＢ算法的入侵检测技术对于不同的网络入侵类型皆能表现出较高的检测率（ＤＲ）和较低的误检率（ＦＲ）。 关键词　　朴素贝叶斯　决策树归纳法　入侵检测　准确率 中图分类号　ＴＰ３１１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０２．０６８ ＩＮＴＲＵＳＩＯＮＤＥＴＥＣＴＩＯＮＴＥＣＨＮＯＬＯＧＹＢＡＳＥＤＯＮＴＲＥＥＷＥＩＧＨＴＩＮＧ ＮＡＩＶＥＢＡＹＥＳＩＡＮＡＬＧＯＲＩＴＨＭ ＷａｎｇＨｕｉ　ＣｈｅｎＨｏｎｇｙｕ　ＹａｎｇＳｈａｎｓｈａｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｅｎａｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｊｉａｏｚｕｏ４５４０００，Ｈｅｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＡｉｍｉｎｇａｔｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆｎａｉｖｅＢａｙｅｓｉａｎ（ＮＢ）ａｌｇｏｒｉｔｈｍｉｎｔｈｅｒｅａｌｉｔｙ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｉｍｐｒｏｖｅｄＮＢａｌｇｏｒｉｔｈｍｗｈｉｃｈ ｉｓｃａｌｌｅｄｔｒｅｅｗｅｉｇｈｔｉｎｇｎａｉｖｅＢａｙｅｓｉａｎ（ＴＷＮＢ）ａｌｇｏｒｉｔｈｍ．Ｔｈｉｓａｌｇｏｒｉｔｈｍ，ｂｙｉｎｔｒｏｄｕｃｉｎｇｔｈｅｄｅｃｉｓｉｏｎｔｒｅｅｉｎｄｕｃｔｉｏｎ（ＤＴＩ），ｓｅｌｅｃｔｓａ ｃｏｍｐａｒａｔｉｖｅｌｙｍｏｒｅｉｍｐｏｒｔａｎｔｓｕｂｓｅｔｏｆａｔｔｒｉｂｕｔｅｓｆｒｏｍｔｈｅｓｅｔｏｆｃｏｎｄｉｔｉｏｎａｌｉｎｄｅｐｅｎｄｅｎｃｅａｓｓｕｍｐｔｉｏｎ，ａｎｄｕｓｅｓｗｅｉｇｈｔｉｎｇｐａｒａｍｅｔｅｒｔｏ ｗｅａｋｅｎｔｈｅｃｏｎｄｉｔｉｏｎａｌｉｎｄｅｐｅｎｄｅｎｃｅａｓｓｕｍｐｔｉｏｎｏｆｎａｉｖｅＢａｙｅｓｉａｎａｎｄｔｈｕｓｒｅｄｕｃｅｓｔｈｅｄｉｍｅｎｓｉｏｎａｌｉｔｙｏｆｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｄａｔａ，ａｓｗｅｌｌａｓ ｉｍｐｒｏｖｅｓｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅａｌｇｏｒｉｔｈｍ．Ｉｔｉｓｖｅｒｉｆｉｅｄｂｙｃｏｍｂｉｎｉｎｇｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｔｈａｔｔｈｅｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙｂａｓｅｄｏｎｔｈｅＴＷＮＢａｌｇｏｒｉｔｈｍｃａｎａｃｈｉｅｖｅｈｉｇｈｅｒｄｅｔｅｃｔｉｏｎｒａｔｅｓ（ＤＲ）ａｎｄｌｏｗｅｒｆａｌｓｅｒａｔｅｓ（ＦＲ）ｆｏｒｄｉｆｆｅｒｅｎｔｎｅｔｗｏｒｋｉｎｔｒｕｓｉｏｎ ｔｙｐｅｓｗｈｅｎｔｈｅｃｏｍｐｕｔａｔｉｏｎａｌｒｅｓｏｕｒｃｅｓｕｓｅｄａｒｅｌｉｍｉｔｅｄ． Ｋｅｙｗｏｒｄｓ　　ＮａｉｖｅＢａｙｅｓｉａｎ　ＤＴＩ　Ｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎ　Ａｃｃｕｒａｃｙ 的准确率。因此，针对这一算法缺陷，研究人员运用各种方法技 ０　引　言 术对朴素贝叶斯（ＮＢ）算法进行改进，以提升其分类的性能。 文献［６］中首次引入了隐朴素贝叶斯（ＨＮＢ）模型的概念， 随着网络信息量的不断增大以及