非平稳数据流下的网络入侵检测优化方法研究

由于非平稳数据流下的网络具有一定的复杂性和时变性,因此需要对其进行网络入侵检测。但是采用传统检测算法不能有效提取出非平稳数据流下的数据特征,存在检测准确率低的问题。为此提出一种基于非平稳数据流下的网络入侵检测优化方法。上述方法首先利用蚁群算法选择非平稳数据流下的网络入侵数据的特征子集,消除冗余特征;计算信息增益,确定不同特征子集的特征权重,利用贝叶斯分类器对各特征权重进行分类,计算出非平稳数据流下的网络入侵检测的类别后验概率值,并利用辨别函数完成对非平稳数据流下的网络入侵检测辨别。仿真结果表明,所提算法进行非平稳数据流下的网络入侵检测准确率较高,具有较好的稳定性。