Web安全之机器学习 | 朴素贝叶斯算法

1、朴素贝叶斯算法概述

贝叶斯分类是一系列分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。其中朴素贝叶斯（Naive Bayesian，NB）是其中应用最广泛的分类算法之一。通常企业和大型邮件服务商都会提供拦截垃圾的功能，最常见的一种算法就是基于朴素贝叶斯的文本分类算法，大体思路是通过学习大量的垃圾邮件和正常邮件样本，让朴素贝叶斯训练出文本分类模型。

NB算法是基于贝叶斯定理与特征条件独立假设的分类方法。NB基于一个简单的假定：给定目标值时属性之间相互条件独立。

NB包括以下算法：

高斯朴素贝叶斯（Gaussian Naive Bayes）、多项式朴素贝叶斯（Multinomial Naive Bayes）、伯努利朴素贝叶斯（Bernoulli Naive Bayes）

2、示例：朴素贝叶斯应用

from sklearn import datasets
from sklearn.naive_bayes import GaussianNB

# 导入数据集
iris = datasets.load_iris()
# 训练数据集
gnb = GaussianNB()
# 验证结果
y_pred = gnb.fit(iris.data, iris.target).predict(iris.data)
print(iris.target)
print(y_pred)
print("Number of mislabeled points out of a total %d points : %d" % (iris.data.shape[0],(iris.target != y_pred).sum()))

3、示例：检测WebShell（一）

基于Webshell的文本特征进行WebShell的检测，将在互联网上搜集到的Webshell作为黑样本，当前最新的wordpress源码作为白样本。将一个PHP文件作为一个字符串处理，以基于单词2-gram切割，遍历全部文件形成基于2-gram的词汇表。然后进一步将每个PHP文件向量化。