最新設(shè)計(jì)資源

基于改進(jìn)樸素貝葉斯的入侵檢測(cè)方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

工業(yè)控制系統(tǒng)的網(wǎng)絡(luò)安全問題越來越嚴(yán)峻,遭到的入侵威脅也越來越復(fù)雜。伴隨著網(wǎng)絡(luò)的開放性、復(fù)雜性不斷增強(qiáng),入侵威脅正在不斷加深。為了抵御愈趨復(fù)雜和多樣的入侵威脅,需要設(shè)計(jì)高效的入侵檢測(cè)方法。樸素貝葉斯分類算法是一種有效而簡(jiǎn)潔的分類算法,能較好地應(yīng)用于工業(yè)控制系統(tǒng)網(wǎng)絡(luò)的入侵檢測(cè)。但是它的屬性獨(dú)立性假設(shè)使得該方法無法表示屬性變量之間存在的關(guān)系,影響了它的分類效果。針對(duì)該缺陷,借鑒前人的經(jīng)驗(yàn),提出了一種改進(jìn)綜合加權(quán)系數(shù)的樸素貝葉斯分類算法(Compositive Weighted Naive Bayes Classification,CWNBC)。該算法既考慮了不同屬性取值對(duì)分類結(jié)果的影響,又考慮了屬性值的內(nèi)容對(duì)分類的影響,巧妙地引入了綜合加權(quán)系數(shù)。將該算法與其他幾種算法比較,經(jīng)實(shí)驗(yàn)表明,該分類算法有較高的分類準(zhǔn)確率,能更好地適用于比較復(fù)雜的工業(yè)控制系統(tǒng)網(wǎng)絡(luò)的入侵檢測(cè)。

發(fā)表于:2/23/2017