程,邢建春，楊啟亮，韓德帥

　?。ń夥跑娎砉ご髮W(xué) 國防工程學(xué)院，江蘇 南京 210007）

       摘要：工業(yè)控制系統(tǒng)的網(wǎng)絡(luò)安全問題越來越嚴(yán)峻，遭到的入侵威脅也越來越復(fù)雜。伴隨著網(wǎng)絡(luò)的開放性、復(fù)雜性不斷增強,入侵威脅正在不斷加深。為了抵御愈趨復(fù)雜和多樣的入侵威脅,需要設(shè)計高效的入侵檢測方法。樸素貝葉斯分類算法是一種有效而簡潔的分類算法，能較好地應(yīng)用于工業(yè)控制系統(tǒng)網(wǎng)絡(luò)的入侵檢測。但是它的屬性獨立性假設(shè)使得該方法無法表示屬性變量之間存在的關(guān)系，影響了它的分類效果。針對該缺陷，借鑒前人的經(jīng)驗，提出了一種改進(jìn)綜合加權(quán)系數(shù)的樸素貝葉斯分類算法（Compositive Weighted Naive Bayes Classification，CWNBC）。該算法既考慮了不同屬性取值對分類結(jié)果的影響，又考慮了屬性值的內(nèi)容對分類的影響，巧妙地引入了綜合加權(quán)系數(shù)。將該算法與其他幾種算法比較，經(jīng)實驗表明，該分類算法有較高的分類準(zhǔn)確率，能更好地適用于比較復(fù)雜的工業(yè)控制系統(tǒng)網(wǎng)絡(luò)的入侵檢測。

　　關(guān)鍵詞：樸素貝葉斯；加權(quán)系數(shù)；屬性值

　　中圖分類號：TP31文獻(xiàn)標(biāo)識碼：ADOI： 10.19358/j.issn.1674-7720.2017.01.003

　　引用格式：孫程,邢建春，楊啟亮，等. 基于改進(jìn)樸素貝葉斯的入侵檢測方法［J］.微型機與應(yīng)用，2017,36（1）：8-10,14.

　　0引言

　　網(wǎng)絡(luò)技術(shù)的飛速發(fā)展在給人們的生活帶來極大便利的同時，也給人們帶來了較大的安全威脅。隨著網(wǎng)絡(luò)的開放性和復(fù)雜性不斷增強，工業(yè)控制系統(tǒng)（Industry Control System,ICS)面臨的安全問題也日益凸顯，遭到的入侵威脅不斷增大。

　　入侵檢測是ICS的網(wǎng)絡(luò)安全防御中重要的組成部分,是保護(hù)系統(tǒng)安全的重要手段，一直被國內(nèi)外專家學(xué)者所關(guān)注。入侵檢測技術(shù)是一種要找出能夠危害信息資源完整性、機密性和可用性的安全措施［1］。入侵檢測的目的是在海量的未知網(wǎng)絡(luò)事件數(shù)據(jù)中，將正常事件（Normal）和異常事件（Anomaly）精確分類，達(dá)到發(fā)現(xiàn)網(wǎng)絡(luò)攻擊事件和降低誤報警率的目的［2］ 。入侵檢測技術(shù)一般可分為兩種:誤用檢測和異常檢測。誤用檢測指的是根據(jù)已知的攻擊方法來預(yù)先定義入侵模式,通過判斷這些入侵模式是否會出現(xiàn)來完成檢測任務(wù)。誤用檢測的缺點在于其局限于已有知識的檢測范圍,不能檢測出已有知識之外的攻擊行為。異常檢測指的是根據(jù)資源的使用狀況或使用者的行為來判斷是否遭到入侵,而不是依據(jù)具體的行為是否出現(xiàn)作為檢測的標(biāo)準(zhǔn),相對而言，異常檢測的適用性比較強,可以檢測出陌生的攻擊行為,不像誤用檢測那樣受限于已知的攻擊手段，其主要的缺陷是誤檢率較高,尤其在用戶較多、工作條件、系統(tǒng)參數(shù)、網(wǎng)絡(luò)結(jié)構(gòu)等各種因素時常變化的環(huán)境中［35］。目前，有較多的有效的入侵檢測分類模型被提出。如文獻(xiàn)［6］提出了結(jié)合誤用檢測與異常檢測的混合入侵檢測模型，文獻(xiàn)［7］提出了結(jié)合網(wǎng)絡(luò)協(xié)議分析技術(shù)和決策樹挖掘技術(shù)的一種新型模型，文獻(xiàn)［8 10］將其他學(xué)習(xí)算法運用于入侵檢測中，如支持向量機、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)等。

　　為了提高樸素貝葉斯分類器的性能，使其能更好地適用于ICS網(wǎng)絡(luò)的入侵檢測，基于前人的研究，本文提出了一種改進(jìn)綜合加權(quán)系數(shù)的樸素貝葉斯分類算法（Competitive Weighted Naive Bays Classification，CWNBC）,該算法是在傳統(tǒng)的樸素貝葉斯分類模型的基礎(chǔ)上加入了綜合加權(quán)系數(shù)，該綜合加權(quán)系數(shù)融合了協(xié)方差理論與文獻(xiàn)［11］提出的加權(quán)系數(shù)，這彌補了文獻(xiàn)［11］僅考慮屬性的頻數(shù)關(guān)系，而忽略了屬性值的內(nèi)容對分類的影響這一不足之處，使文獻(xiàn)［11］中原本簡潔高效的算法更加完善。

1樸素貝葉斯分類算法

　　樸素貝葉斯分類算法是一種較為簡單而且有效的分類方法，它以貝葉斯定理作為理論基礎(chǔ)，其性能與神經(jīng)網(wǎng)絡(luò)、決策樹等應(yīng)用較廣的算法相當(dāng)，在某些領(lǐng)域中甚至可表現(xiàn)出更優(yōu)越的性能［12 13］。

　　樸素貝葉斯分類算法的分類原理是根據(jù)某個對象的先驗概率計算出其后驗概率，后驗概率最大的類則為該對象所屬的類。其工作流程如下：

　　(1)用特征向量來表示每個數(shù)據(jù)樣本。

　　(2)對原始數(shù)據(jù)樣本X進(jìn)行分類, 一般把X劃分到后驗概率值最大的類, 本質(zhì)上就是求P(Ci|X)的最大值。即:

　　(3)要求P(Ci|X)的最大值，只需使P(X|Ci)P(Ci)最大化即可。如果不知道先驗概率,一般認(rèn)為它們是等概率的,即P(C1)= P(C2)=…=P(Cn)。否則，可根據(jù)概率學(xué)的知識由先驗概率公式計算出:

　　其中，Si為訓(xùn)練樣本數(shù),S為訓(xùn)練樣本總數(shù)。

　　(4)在屬性集的屬性數(shù)比較多的情況下,為了減少計算時間，一般假設(shè)類條件相互獨立,即各個屬性值之間相互獨立。

　　其中,Sik表示屬性Ak的取值為xi且屬于類Ci的訓(xùn)練樣本的數(shù)目,而Si則表示類Ci中的訓(xùn)練樣本的總數(shù)。

　　若Ak為連續(xù)屬性,一般認(rèn)為它是屬于高斯分布的。

　　(5)對X進(jìn)行分類,需要計算每個類Ci的P(X|Ci)P(Ci)，如果樣本X被分到類Ci，則需滿足如下條件:

　　P(X|Ci)P(Ci) >P(X|Cj)P(Cj),1≤j≤m,j≠i(5)

　　其中m為類的總數(shù)。換言之，使P(X|Ci)P(Ci)獲得最大值的類Ci即為X所屬的類。

2加權(quán)樸素貝葉斯分類算法

　　雖然樸素貝葉斯分類算法應(yīng)用簡單，分類準(zhǔn)確率相對較高，預(yù)測和學(xué)習(xí)的時間小于其他分類算法，但該算法有個理想的假設(shè)，其假設(shè)每個屬性對給定類的影響?yīng)毩⒂谄渌膶傩?，而在現(xiàn)實中此假設(shè)是很難滿足的。因此，為了彌補該不足之處，研究人員先后提出多種加權(quán)樸素貝葉斯分類算法［14］。

　　人們試圖將樸素貝葉斯分類算法與屬性加權(quán)算法相結(jié)合，根據(jù)各屬性對分類影響的大小賦予不同的權(quán)重系數(shù)，以此來提高樸素貝葉斯分類算法的準(zhǔn)確率。文獻(xiàn)［15］提出基于分類概率的樸素貝葉斯分類算法，使用樸素貝葉斯分類成功的概率作為加權(quán)系數(shù)；文獻(xiàn)［16］提出基于粒子群算法的 WNBC 算法, 通過粒子群算法的自動搜索功能對現(xiàn)有數(shù)據(jù)和信息進(jìn)行學(xué)習(xí), 以數(shù)據(jù)集中所有數(shù)據(jù)各自權(quán)重的平均值作為加權(quán)系數(shù)；文獻(xiàn)［11］ 提出根據(jù)不同的屬性取值對分類結(jié)果的影響來設(shè)定加權(quán)系數(shù)；文獻(xiàn)［14］中分別采用爬山算法、信息增益和蒙特卡羅技術(shù)來確定屬性的權(quán)值等。

3改進(jìn)綜合加權(quán)樸素貝葉斯算法

　　3.1協(xié)方差屬性加權(quán)系數(shù)

　　在實際應(yīng)用中,事物的不同屬性對事物分類的影響是不同的,根據(jù)屬性的影響程度分為條件屬性和決策屬性。決策屬性指的是對分類有顯著影響的屬性。條件屬性指的是剩余的其他屬性。此外，不同的條件屬性與決策屬性的相關(guān)程度也是不同的。由決策屬性X和條件屬性Y組成的系統(tǒng)ρ反映了屬性X和Y的相關(guān)緊密度,ρ越大表明條件屬性Y對決策屬性X的影響越大,反之亦然。屬性之間的相關(guān)系數(shù)公式為:

　　3.2改進(jìn)綜合加權(quán)系數(shù)

　　通過對比以上多種方法，結(jié)合文獻(xiàn)［11］中提出的根據(jù)不同的屬性取值對分類結(jié)果的影響來設(shè)定加權(quán)系數(shù)的思想，本文提出了一種新的權(quán)值計算方法。

　　設(shè)NAk表示屬性Ak的取值個數(shù),N(Ak=m)表示屬性Ak取值為m的樣本對象的個數(shù)， N(Ak=m∩Ci)表示屬性Ak取值為m且屬于類Ci的樣本對象個數(shù)。根據(jù)各屬性的不同取值對分類的影響設(shè)計權(quán)值, 加權(quán)系數(shù)公式表示為:

　　雖然式(8)根據(jù)每個屬性的不同取值對分類的影響計算權(quán)值, 但其考慮的是屬性值的頻數(shù)關(guān)系，沒有考慮屬性值的內(nèi)容對分類的影響。協(xié)方差理論主要利用屬性值的內(nèi)容來表達(dá)屬性之間的關(guān)聯(lián),因此把這兩種方法融合起來，會得到更加合理準(zhǔn)確的加權(quán)系數(shù)。

　　因此定義改進(jìn)的綜合加權(quán)系數(shù)為：。

　　3.3基于CWNBC的入侵檢測算法

　　從本質(zhì)上來說，入侵檢測的目的就是設(shè)計一個分類器，把收集到的數(shù)據(jù)信息分為正常和異常兩大類，然后對異常的數(shù)據(jù)進(jìn)行分析處理?；贑WNBC的入侵檢測流程如圖1所示。

　　該算法的具體步驟如下：

　　(1)獲取原始數(shù)據(jù)集，對數(shù)據(jù)集進(jìn)行預(yù)處理，去除冗余屬性，對連續(xù)數(shù)值離散化；

　　(2)條件判斷：若是訓(xùn)練樣本數(shù)據(jù)集，則進(jìn)行第（3）步，若是需要分類的樣本數(shù)據(jù)則直接進(jìn)行第（5）步；

　　(3)統(tǒng)計分析數(shù)據(jù)集中的條件屬性和決策屬性。計算在決策屬性下其他的條件屬性的概率P(Y|X),進(jìn)而計算Cov(X,Y)、D(X)、D(Y),然后計算出

　　(5)根據(jù)上面的計算結(jié)果，計算出改進(jìn)的綜合加權(quán)系數(shù)：

　　α=α1+α22

　　(6)利用樸素貝葉斯分類器進(jìn)行結(jié)構(gòu)與參數(shù)學(xué)習(xí)，獲得改進(jìn)的綜合加權(quán)樸素貝葉斯模型；

　　（7）用新模型對數(shù)據(jù)集進(jìn)行分類，獲得分類結(jié)果。

4實驗結(jié)果及分析

　　4.1入侵檢測數(shù)據(jù)集

　　本文實驗數(shù)據(jù)采用的是KDD’99入侵檢測數(shù)據(jù)集，該訓(xùn)練數(shù)據(jù)集包含7周的網(wǎng)絡(luò)流量，有5 000 000條連接記錄；測試訓(xùn)練集包含2周的網(wǎng)絡(luò)流量，有2 000 000條連接記錄。該研究共模擬了 5大類網(wǎng)絡(luò)攻擊［1718］。

　　4.2結(jié)果與分析

　　為了驗證本文提出的算法的準(zhǔn)確性和高效性,進(jìn)行了以下實驗測試與分析。為了保證執(zhí)行的效率，隨機選取20 000條記錄用于本次實驗，并把20 000條連接記錄隨機分為5組，每組數(shù)據(jù)的30%作為訓(xùn)練數(shù)據(jù)，70%作為測試數(shù)據(jù)。 實驗過程中搭建的環(huán)境平臺所使用的操作系統(tǒng)為Windows 8，處理器為Intel i5,CPU頻率為1.9 GHz，內(nèi)存為4 GB，軟件工具為Weka。

　　在實驗中，通過Weka軟件自帶的工具對連續(xù)屬性進(jìn)行離散化和屬性約簡，得到最終的條件屬性有：(1) service；(2) flag；(3) srcbytes；(4) dstbytes；(5) dsthostsrvcount；(6) diffsrvrate。

　　應(yīng)用多種分類算法進(jìn)行實驗，實驗結(jié)果如表1所示。

　　本實驗將改進(jìn)的樸素貝葉斯分類算法與其他分類算法在入侵檢測方面做了比較，從表1可以看出，本文提出的基于改進(jìn)樸素貝葉斯的分類算法相對于其他的分類算法在分類準(zhǔn)確率上有所提高，證明了本文提出的算法是有效可行的。

5結(jié)束語

　　本文借鑒前人的一些經(jīng)驗和方法，針對不足之處做了適當(dāng)?shù)母倪M(jìn)，提出了一種基于綜合加權(quán)系數(shù)的樸素貝葉斯分類算法。該算法彌補了樸素貝葉斯分類算法假設(shè)屬性獨立的不足之處，既考慮了屬性值的頻數(shù)與分類的關(guān)系，又考慮了屬性值的內(nèi)容對分類的影響。最后經(jīng)過實驗證明，本文提出的算法與其他分類算法相比，有效地提高了分類準(zhǔn)確率。但是，本算法仍然有待提高，加權(quán)系數(shù)仍然有待完善。下一步將繼續(xù)研究如何優(yōu)化加權(quán)系數(shù)，進(jìn)一步提高分類的準(zhǔn)確率，以便適應(yīng)于更復(fù)雜多變的網(wǎng)絡(luò)數(shù)據(jù)。

參考文獻(xiàn)

　　［1］ GOVINDARAJAN M,CHANDRASEKARAN R M.Intrusion detection using neural based hybrid classification methods［J］.Computer Networks,2011,55(8):16621671.

　?。?］ GARCIATEODORO P,DIAZVERDEJO J,MACIAFERNANDEZ G，et al.Anomalybased network intrusion detection:techniques,systems and challenges［J］.Computers & Security,2009,28(1/2):18 28.

　?。?］ MOHAMMAD M N,SULAIMAN N.MUHSIN O A.A novel intrusion detection system by using intelligent data mining in weka environment ［J］.Procedia Computer Science,2011，3(1):1237 1242.

　　［4］ GUINDE N B,ZIAVRAS S G.Efficient hardware support for pattern matching in network intrusion detection ［J］.Computers & Security,2010,29(7):756769.

　?。?］ BHUYAN M H.BHATTACHARYYA D K,KALITA J K.Survey on incremental approaches for network anomaly detection［J］.International Journal of Communication Networks and Information Security,2011,3(3):226 239.

　?。?］ PANDA M.ABRAHAM A.PATRA M R.A dHybri intelligent approach for network intrusion ［J］.Procedia Engineering,2012,30(1):1 9.

　?。?］ 楊杰，陳昕，萬劍雄.網(wǎng)絡(luò)協(xié)議分析與決策樹挖掘的入侵檢測模型研究［J］計算機應(yīng)用與軟件，2010，27(2):19 55.

　?。?］ 徐永華，李廣水.基于距離加權(quán)模版約減和屬性信息熵的增量SVM入侵檢測算法［J］.計算機科學(xué)，2012,39(12):76 86.

　?。?］ Li Liu,Zhang Guoyin,Nie Jinyuan,et al.The application of genetic algorithm to intrusion detection in MP2P network［J］.Lecture Notes in Computer Science,2012,31(3):390 397.

　　［10］ Wang Gang,Hao Jinxing,Ma Jian.A new approach to intrusion detection using aritificial neural networks and fuzzy clustering［J］.Expert Systems with Applications,2010,37(9):62256232.

　?。?1］ 王行甫，杜婷.基于屬性選擇的改進(jìn)加權(quán)樸素貝葉斯分類算法［J］.計算機系統(tǒng)應(yīng)用，2015,24(8):149154.

　　［12］  FRIDEMAN N, GEIGER D,GOLDSZMIDT M. Bayesian network classifiers［J］. Machine Learning, 1997,29(2 3):131 163.

　?。?3］ LANGLEY P,IBA W, THOMPSON K. An analysis of Bayesian classifiers［C］. In Proc. of the 10th National Conf. on Artificial Intelligence. Menlo Park: AAAI Press, 1992：223228.

　?。?4］ ZHANG H,SHENG S.Learning weighted naive Bayes with accurate ranking［C］.2004 Fourth IEEE International Conference on Data Mining(ICDM’04).IEEE,2004：567 570.

　　［15］ 張步良.基于分類概率加權(quán)的樸素貝葉斯分類方法［Ｊ］.重慶理工大學(xué)學(xué)報(自然科學(xué)版),2012,26(7):8183.

　?。?6］ LIN J, YU J. Weighted naivebayes classification algorithm based on particle swarm optimization［C］.2011 IEEE 3rd International Conference on Communication Software and Networks (ICCSN). IEEE，2011：444447.

　　［17］ STOLFO S J,LEE W,CHAN P K,et al.Datamingbased intrusion detectors:an overview of the Columbia IDS project［J］.ACM SIGMOD Record,2011,30(4):5 14.

　?。?8］ 史美林,錢俊,許超.入侵檢測系統(tǒng)數(shù)據(jù)集評測研究［J］.計算機科學(xué)，2006，33（8）：1 8.