基于隐藏贝叶斯网络的入侵检测研究  

作　　者：郭红艳[1] 曲豪[1] 

机构地区：[1]河南广播电视大学,河南郑州450046

出　　处：《福建电脑》2014年第9期13-15,共3页Journal of Fujian Computer

基　　金：2014年河南省教育厅科学技术研究重点项目(14B520052);2014年河南省教育厅人文社会科学研究项目(2014-gh-183);2014年河南省教育厅人文社会科学研究项目(项目编号:2014-gh-215)

摘　　要：不同的入侵检测系统,使用不同的数据属性。朴素贝叶斯(Naive Bayes简称NB)分类器由于其强独立性假设,并未考虑属性之间的相互关系,而入侵检测的数据集不能很好地满足条件假设,本文引入隐藏贝叶斯网络分类器,并将其应用于入侵检测中。该模型为每一个属性创建一个隐藏的父属性,它能影响到分类器的其它属性。实验表明,该算法可以优化朴素贝叶斯模型,能提高入侵检测系统的整体性能,效果更好。

关 键 词：隐藏贝叶斯网络 入侵检测 分类器 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]