%0 Journal Article
%T 基于决策树与朴素贝叶斯分类的入侵检测模型
%A 姚潍
%A 王娟
%A 张胜利
%J 计算机应用
%D 2015
%X ？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kdd99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%。
%K 入侵检测
%K 决策树
%K 朴素贝叶斯
%K 概率加权和
%U http://www.joca.cn/CN/abstract/abstract18591.shtml