[1]张铮 高志森 李俊.改进贝叶斯分类算法在入侵检测中的研究[J].计算机技术与发展,2007,(01):174-176.
　ZHANG Zheng,GAO Zhi-sen,LI Jun.Research of Improved Bayesian Classification Arithmetic in Intrusion Detection[J].,2007,(01):174-176.
点击复制

改进贝叶斯分类算法在入侵检测中的研究()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2007年01期
页码:
174-176
栏目:
安全与防范
出版日期:
1900-01-01

文章信息/Info

Title:
Research of Improved Bayesian Classification Arithmetic in Intrusion Detection
文章编号:
1673-629X（2007）01-0174-03
作者:
张铮 高志森 李俊
南京航空航天大学信息科学与技术学院
Author(s):
ZHANG Zheng;  GAO Zhi-sen;  LI Jun
College of Info. Sci. ＆ Tech., Nanjing University of Aeronautics and Astronautics
关键词:
贝叶斯分类; 增量学习; 损失幅度参数; 类别标签
Keywords:
Bayesian classification;  incremental learning; loss extent parameter;  classification label
分类号:
TP393.08
文献标志码:
A
摘要:
把朴素贝叶斯分类算法引入到入侵检测中，可以简单方便地区别出入侵事件。但是由于该算法在学习中存在一定的不足和缺陷，主要是属性值之间要求相互条件独立和训练集数据不完备这两个缺陷，导致了它的检测效果并不是很理想。文中针对该算法这两个最主要的缺陷，提出增量学习概念，引入损失幅度参数，改进和完善朴素贝叶斯分类算法。并对改进后的新学习策略进行了分析和研究，给出了其基本实现思想和算法描述，并指出它实现的可能性
Abstract:
Native Bayesian Classification Arithmetic distinguishes intrusion incidents from all incidents conveniently in intrusion detection. But this arithmetic has some lack and limitation, two important factors of which are condition independency among property values and non - maturity training - data collection, so its intrusion effect is not good. Then in allusion to these two important factors, a concept of incremental learning and a loss extent parameter are put forward in this paper, and Native Bayesian Classification Arithmetic is also perfected, Furthermore, the paper analyses the new learning strategy, and introduces the basic realizing thought about new arithmetic and a description about it, and points out its realizing possibility

相似文献/References:

[1]姜雪 陶亮 王华彬 武杰.基于分层并行筛选样本的SVM增量学习算法[J].计算机技术与发展,2007,(11):92.
　JIANG Xue,TAO Liang,WANG Hua-bin,et al.An Improved Incremental Learning Algorithm Based on Hierarchical Filtering[J].,2007,(01):92.
[2]黄越 臧冽 聂盼盼.一种混合分类方法的研究与改进[J].计算机技术与发展,2012,(05):48.
　HUANG Yue,ZANG Lie,NIE Pan-pan.Research and Improvement of One Combination of Multiple Classifiers[J].,2012,(01):48.
[3]周翔,方文俊,罗斌,等.基于血流模型和贝叶斯的红外人脸识别[J].计算机技术与发展,2013,(11):26.
　ZHOU Xiang[],FANG Wen-jun[],LUO Bin[],et al.Infrared Face Recognition Based on Blood Perfusion Model and Bayesian[J].,2013,(01):26.
[4]刘亮亮,谢菲,孟鸣.两种改进的遥感影像地物分类方法对比研究[J].计算机技术与发展,2018,28(02):154.[doi:10．3969/j．issn．1673－629X．2018．02．033]
　LIU Liangliang,XIE Fei,MENG Ming.A Comparative Study of Two Improved Remote Sensing Image Classification Methods[J].,2018,28(01):154.[doi:10．3969/j．issn．1673－629X．2018．02．033]

备注/Memo

备注/Memo:
国防科工委国防基础科研项目（S0500B003）张铮（1982～），男，江苏人，硕士研究生，主要研究方向为计算机网络、网络安全；李俊，教授，硕士生导师，主要研究方向为计算机网络、网络安全、数据库
更新日期/Last Update: 1900-01-01