[发明专利]一种基于PCA与贝叶斯相结合的网络入侵检测方法在审
| 申请号： | 201810433476.2 | 申请日： | 2018-05-08 |
| 公开（公告）号： | CN108632278A | 公开（公告）日： | 2018-10-09 |
| 发明（设计）人： | 胡昌振;任家东;刘智扬;张炳;赵小林;单纯 | 申请（专利权）人： | 北京理工大学;燕山大学 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06 |
| 代理公司： | 北京理工大学专利中心 11120 | 代理人： | 代丽;仇蕾安 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于PCA与贝叶斯相结合的网络入侵检测方法。使用本发明能够实现对普通、常规类型攻击以及新类型攻击的快速有效检测，检测时间短，且正确率高。本发明首先对训练数据集与测试数据集应用PCA得到降维后的训练数据与测试数据，降低了贝叶斯分类器的模型训练时间以及检测时间，然后采用检测时间最快的贝叶斯分类器进行入侵检测，实现快速检测，同时，本发明还对PCA进行了改进，提高了检测的正确率，从而使得本发明方法在检测时间与检测正确率上均表现高效。 | ||
| 搜索关键词： | 检测 正确率 贝叶斯分类器 网络入侵检测 贝叶斯 测试数据集 训练数据集 测试数据 常规类型 快速检测 模型训练 入侵检测 训练数据 有效检测 攻击 降维 应用 改进 表现 | ||
【主权项】：
1.一种基于PCA与贝叶斯相结合的网络入侵检测方法，其特征在于，包括如下步骤：步骤1，提取网络训练数据集以及网络测试数据集中的各网络连接记录的网络数据特征，构建训练网络数据特征矩阵和测试训练网络数据特征矩阵；步骤2，利用主成分分析法分别对训练网络数据特征矩阵和测试训练网络数据特征矩阵进行降维，得到降维后的训练网络数据特征矩阵和测试训练网络数据特征矩阵；其中，在主成分分析过程中，对前3个特征向量进行加权，权重系数k＝0～1；步骤3，构建贝叶斯分类器，利用降维后的训练网络数据特征矩阵对贝叶斯分类器进行训练；步骤4，采用训练好的贝叶斯分类器对降维后的测试网络数据特征矩阵进行入侵检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学;燕山大学，未经北京理工大学;燕山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810433476.2/，转载请声明来源钻瓜专利网。
