一种混合入侵检测模型

来源：计算机测量与控制杂志2017年第4期北京时间：

作者：梁本来,杨忠明,蔡昭权

单位：广东科学技术职业学院 计算机工程技术学院

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

基金资助：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）