|
|||||
|
|
| 一种混合入侵检测模型 | |
| 引用本文： | 梁本来,杨忠明,蔡昭权.一种混合入侵检测模型[J].应用声学,2017,25(4). |
| 作者姓名： | 梁本来 杨忠明 蔡昭权 |
| 作者单位： | 中山职业技术学院,广东科学技术职业学院 计算机工程技术学院, |
| 基金项目： | 国家自然科学基金项目（61170193）；广东省自然科学基金项目（S2013010013432）；中山市社会公益科技研究项目（2016B2142） |
| 摘 要： | 为了提高入侵检测模型的准确率，提出一种基于K-均值算法、朴素贝叶斯分类算法和反向传播神经网络的混合入侵检测模型。首先，采用基于分区、无监督式聚类分析的K-均值算法进行数据的聚类处理，得到易于被机器处理和学习的数据集。为了进一步获取必要的数据属性，将聚类处理的结果输入到贝叶斯分类器进行分类。然后，具有较短学习周期的反向传播神经网络负责训练数据分类样本。最后，基于KDD CUP99数据集，对混合入侵检测模型进行了仿真实验，实验结果表明，通过混合入侵检测模型，DoS、U2R、R2L和Probe等入侵数据被精准地检测出。相比其它入侵检测模型，混合入侵检测模型取得了较高的准确率和召回率，以及较低的误报率，具有一定的实用价值。 |
| 关 键 词： | 入侵检测模型 混合方法 K-均值 朴素贝叶斯 反向传播神经网络 |
| 收稿时间： | 2017/1/24 0:00:00 |
| 修稿时间： | 2017/2/19 0:00:00 |
ONE MIXED INTRUSION DETECTION MODEL |
|
| Abstract: | |
| Keywords: | Intrusion detection model Mixed method K-means Naive Bayes Back-Propagation neural network |
| 点击此处可从《应用声学》浏览原始摘要信息 | |
| 点击此处可从《应用声学》下载免费的PDF全文 | |