基于信息增益的贝叶斯入侵检测模型优化的研究

摘要

对于不同类型的网络入侵,其行为特征所涉及到的主要数据属性会有所不同.传统的朴素贝叶斯(NB)入侵检测模型没有考虑这个差别.本文引入信息增益改进传统的NB模型,利用它来对网络连接数据的属性进行特征选择,并删除一些冗余的属性,达到优化NB入侵检测模型的目的.实验表明,信息增益对NB模型有一定的优化作用,相对神经网络模型有更高的检测率.