基于改进属性加权的朴素贝叶斯入侵取证研究

摘要：

针对传统朴素贝叶斯分类模型在入侵取证中存在的特征项冗余问题,以及没有考虑入侵行为所涉及的数据属性间的差别问题,提出一种基于改进的属性加权朴素贝叶斯分类方法.用一种改进的基于特征冗余度的信息增益算法对特征项集进行优化,并在此优化结果的基础上,提取出其中的特征冗余度判别函数作为权值引入贝叶斯分类算法中,对不同的条件属性赋予不同的权值.经实验验证,该算法能有效地选择特征向量,降低分类干扰,提高检测精度.

关键词：入侵取证、朴素贝叶斯、加权朴素贝叶斯、信息增益、特征冗余度、属性加权

分类号：TP393(计算技术、计算机技术)

在线出版日期：2013-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：81-84