一种复杂混合入侵检测算法

摘要

本发明提供一种基于K‑均值算法、朴素贝叶斯分类算法和反向传播神经网络的复杂混合入侵检测方法，具体包括：无监督分类器‑K‑均值算法进行聚类处理;贝叶斯分类器过滤；BPN算法训练人工神经网络。本发明采用数据挖掘技术完整分析和学习，分类方法被用于预测网络受攻击的严重程度，并且基于支持向量机和蚁群算法的网络入侵检测技术，比单一的SVM无论在最高的平均检测率还是假阳性和假阴性的低错误率都要更好，比起单一的CSOACN相比较检测率和假警报率好，且训练时间更短。