入侵检测中的贝叶斯分类器的研究

论文摘要

当今社会信息安全变得越来越重要,而网络的开放性使其容易受到外界的攻击与破坏,信息的安全保密性受到严重影响。入侵检测作为计算机及计算机网络安全领域的一个十分重要的研究课题,其技术是对其它信息安全技术的一个重要补充。用数据挖掘的手段进行入侵检测是学者们正在讨论的研究内容。本文首先重点介绍了朴素贝叶斯分类器、贝叶斯网络分类器和增量贝叶斯分类器三种典型的贝叶斯分类器,并且分别分析这三种分类器的优点和不足。由于,网络信息数据在入侵检测系统中主要由分类器进行学习和预测,因此,通过数据预处理对数据进行约简,除去冗余属性,能够提高分类器学习和预测的速度和准确率。本文提出了一个新的属性约简算法,实现对数据的属性约简,除去数据冗余属性。然后通过实验,把经过新的属性约简算法除去冗余属性的数据,分别用三种分类器进行学习和预测,将学习时间、预测时间和准确率进行比较。得出结论:基于新的属性约简算法的朴素贝叶斯分类器应用在入侵检测系统中是可行的。最后,通过本文中的新的属性约简算法处理后的数据集与通过经典属性约简Rosetta软件约简后的数据集在使用Weka软件中的朴素贝叶斯分类器进行学习和预测后相比,学习和预测的时间减少的同时,分类的准确率也有了一定的提高。证实本文提出的新的属性约简算法有效,可行。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.2.1 入侵检测系统的分类
• 1.2.2 常用的入侵检测技术
• 1.3 本文所做工作及创新点
• 1.4 论文组织结构
• 第二章 贝叶斯基础理论
• 2.1 数据挖掘与分类
• 2.1.1 数据挖掘技术
• 2.1.2 数据挖掘中的分类问题
• 2.2 贝叶斯概率和贝叶斯定理
• 2.3 贝叶斯学习的基本过程
• 2.4 最大后验假设与最大似然假设
• 2.5 贝叶斯网络的定义
• 本章小结
• 第三章 三种常见的贝叶斯分类器
• 3.1 朴素贝叶斯分类器
• 3.1.1 朴素贝叶斯分类器的原理
• 3.1.2 朴素贝叶斯分类器的优点和不足
• 3.2 贝叶斯网络分类器
• 3.2.1 贝叶斯网络分类器的概念
• 3.2.2 贝叶斯网络分类器的优点和不足
• 3.3 增量贝叶斯分类器
• 3.4 实验
• 本章小结
• 第四章 基于属性约简的贝叶斯分类器
• 4.1 基本概念
• 4.1.1 粗糙集的基本概念
• 4.1.2 知识的约简和核
• 4.1.3 知识的相对约简核相对核
• 4.1.4 基于粗糙集的知识表
• 4.2 一种新的属性约简算法
• 4.3 基于属性约简的贝叶斯分类器
• 本章小结
• 第五章 实验
• 5.1 实验数据说明
• 5.2 实验结果
• 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢