一种基于CFS_KL的新型贝叶斯加权方法

摘要

本发明公开了一种基于CFS_KL的新型贝叶斯加权方法，使用指纹库中的指纹名称作为模型的标记数据，指纹名称下的响应序列标志位构成训练数据；对训练数据进行封箱预处理操作；使用KL散度计算属性与类之间的关联度作为每个属性的权值；使用特征选择方法选出42个维度；使用CFS选出的维度修正KL散度计算出的权重；使用加权贝叶斯算法进行训练；通过封箱操作将向量输入训练好的指纹模型，基于CFS_KL的加权贝叶斯算法计算每条流量的最大后验概率，完成模拟数据测试；通过向目标网段发包的方式，采集真实流量，将真实流量输入指纹模型，预测结果；计算真实流量的测试精度。本发明缓解了贝叶斯算法对于特征独立的要求，提高了贝叶斯算法的识别精度。