為了更好地解決入侵檢測技術(shù)中誤用檢測造成未知入侵行為誤檢率升高的問題,提出了一種基于NBSR模型的入侵檢測技術(shù)。首先,為了彌補(bǔ)ReliefF特征選擇算法對特征之間的相關(guān)性分析的不足,引入Pearson相關(guān)系數(shù),提出Relieff-P算法。其次,利用Relieff-P算法對UNSW-NB15數(shù)據(jù)集進(jìn)行處理,去除無關(guān)特征,得到新的特征子集。最后,將樸素貝葉斯分類器和Softmax回歸分類器級聯(lián)構(gòu)成NBSR分類器,建立了NBSR模型。在UNSW-NB15測試集上的實(shí)驗(yàn)結(jié)果表明,NBSR模型較其他檢測模型有較低的誤檢率。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 相關(guān)研究
3 基于NBSR模型的入侵檢測
    3.1 相關(guān)系數(shù)改進(jìn)的Relieff-P特征選擇算法
    3.2 NBSR入侵檢測模型
        (1)網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)集預(yù)處理。
        (2)最優(yōu)特征子集。
        (3)第1階段樸素貝葉斯分類模型。
        (4)第2階段Softmax回歸分類模型。
        (5)NBSR分類器結(jié)構(gòu)。
4 仿真實(shí)驗(yàn)與分析
    4.1 UNSW-NB15數(shù)據(jù)集
    4.2 實(shí)驗(yàn)結(jié)果與分析
5 結(jié)束語



本文編號：3842700