检索
E-mail
RSS
作者投稿和查稿 主编审稿 专家审稿 编委审稿 远程编辑

计算机工程 ›› 2011, Vol. 37 ›› Issue (21): 102-104.doi: 10.3969/j.issn.1000-3428.2011.21.035

• 安全技术 • 上一篇    下一篇

基于特征相似度的贝叶斯网络入侵检测方法

王春东，陈英辉，常 青，邓全才，王怀彬   

  1. (天津理工大学计算机与通信工程学院，天津 300384)
  • 收稿日期:2011-04-20 出版日期:2011-11-05 发布日期:2011-11-05
  • 作者简介:王春东(1969－)，男，教授、博士，主研方向：网络与信息安全；陈英辉、常 青、邓全才，硕士研究生；王怀彬，研究员
  • 基金项目:
    天津市教委滨海双百基金资助项目(SB20080053, SB20 080055)；教育部科技计划基金资助重点项目(208010)

Bayesian Network Intrusion Detection Method Based on Feature Similarity

WANG Chun-dong, CHEN Ying-hui, CHANG Qing, DENG Quan-cai, WANG Huai-bin   

  1. (School of Computer and Communication Engineering, Tianjin University of Technology, Tianjin 300384, China)
  • Received:2011-04-20 Online:2011-11-05 Published:2011-11-05

PDF

1014

被引次数

15 | 1

摘要： 传统贝叶斯入侵检测方法未考虑属性和属性权值对检测结果的影响。为此，提出基于特征相似度的贝叶斯网络入侵检测方法。利用相似度对网络连接数据的属性特征进行选择，抽取其关键特征，并降低属性的冗余度，以优化朴素贝叶斯的分类性能。实验结果表明，该方法能降低分类数据的维数，提高分类的准确率。

关键词: 特征选择, 相似度, 贝叶斯分类, 入侵检测

Abstract: The traditional Bayesian intrusion detection method can not consider the fact that their different actions have differences between data attributes. This paper uses similarity to select the attribute features of network connecting data, gets the main feature, reduces attribute redundancy to improve the traditional Bayesian classification performance. Experimental results show that this method can reduce the dimension of the classification data, and improve the classification accuracy.

Key words: feature selection, similarity, Bayesian classification, intrusion detection

中图分类号: