基于NB的稀有類分類算法及在IDS中的應用.pdf

1、本文首先結合代價敏感的學習方法CSL和NB分類方法提出了一種代價敏感的NB分類算法CSNB，該算法以較少的計算開銷取得對稀有類問題相對最優(yōu)的分類結果；其次，采用Boosting技術構造基于NB的集成分類器，設計了一個集成分類算法BNBCE，該算法在處理實際的稀有類分類問題時體現(xiàn)出計算的高效性、學習的自適應性和分類的有效性之特點；最后，在NB、CSNB和BNBCE三個分類算法的基礎上，開發(fā)了一個基于稀有類分類的IDS實驗系統(tǒng)RCCFIDS

2、，并在UCI學習庫中的入侵檢測數(shù)據(jù)集KDDCUP'99DATA上進行了測試。實驗結果表明，該系統(tǒng)取得了很好的分類檢測效果，特別是對稀有攻擊類別的檢測性能有一定程度的提高?！　×硗?，針對BNBCE算法，本文采用不同集成規(guī)模進行了實驗，并對結果進行了分析。結果發(fā)現(xiàn)隨著集成規(guī)模的增加，分類檢測性能不斷得到增強，對稀有攻擊類別R2L、U2R和PROBE攻擊檢測效果提升的最為明顯，當集成分類器中個體分類器數(shù)目達到一定數(shù)量時，系統(tǒng)檢測性能趨于穩(wěn)定