基于决策树与朴素贝叶斯分类的入侵检测模型
来源：计算机应用杂志2015年第10期北京时间：
作者：姚潍, 王娟, 张胜利
单位：深圳大学 信息工程学院, 广东 深圳 518000
摘要：入侵检测要求系统能够快速准确地找出网络中的入侵行为,因此对检测算法的效率有较高的要求。针对入侵检测系统效率和准确率偏低,系统的误报率和漏报率偏高的问题,在充分分析C4.5算法和朴素贝叶斯(NB)算法后,提出一种二者相结合的H-C4.5-NB入侵检测模型。该模型以概率的形式来描述决策类别的分布,并由C4.5和NB概率加权和的形式给出最终的决策结果,最后使用KDD 99数据集测试模型性能。实验结果表明,与传统的C4.5、NB和NBTree方法相比,在H-C4.5-NB中对拒绝服务(DoS)攻击的分类准确率提高了约9%,对U2R和R2L攻击的准确率提高约20%~30%。
关键词：入侵检测,决策树,朴素贝叶斯,概率加权和
基金资助：国家自然科学基金资助项目(61372078)。
