首页
|
本学科首页
官方微博
|
高级检索
全部专业
化学
晶体学
力学
数学
物理学
学报及综合类
按
中文标题
英文标题
中文关键词
英文关键词
中文摘要
英文摘要
作者中文名
作者英文名
单位中文名
单位英文名
基金中文名
基金英文名
杂志中文名
杂志英文名
栏目英文名
栏目英文名
DOI
责任编辑
分类号
杂志ISSN号
检索
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
设为首页
|
免责声明
|
关于勤云
|
加入收藏
Copyright
©
北京勤云科技发展有限公司
京ICP备09084417号