基于贝叶斯方法的单分类入侵检测技术 (2014年)

考虑到入侵检测问题中样本数据的不平衡性，可以将单分类模型应用到入侵检测中.通过应用贝叶斯方法，对单分类支持向量机模型进行改进，使之成为一种概率模型，从而更加符合入侵过程的随机特性；应用主成分分析技术对原始数据在各个方向上进行等方差处理，使之更加符合该模型对数据正态分布的前提假设.同时，在模型求解上采用分治的思想，对数据进行分组计算，实现对大数据的高效求解.在标准入侵检测数据集NSL-KDD上进行测试，实验结果达到87.46%的检测准确率，从而验证了该方法可以在入侵检测中得到有效利用.