网络入侵检测论文阅读笔记

此次看的文献《A Double-Layered Hybrid Approach for Network Intrusion Detection System Using Combined Naive Bayes and SVM》是来自《IEEE Access》是SCI二区文章，中科院三区。

文献使用的数据集是NSL-KDD数据集中的KDD_train，KDD_train_20%两个子集为训练和测试集；

NSL-KDD数据集文件构成如下：

NSL-KDD数据集解决了KDD99数据集中存在的固有问题。大量数据冗余问题。

把数据集中的数据分为Normal、Probe、DoS、R2L、U2R五分类，也是常见的5分类研究

文章提出一个混合检测模型框架，这个模型框架是两层结构，第一层是由贝叶斯模型构成，主要识别DoS和Probe、Normal流量，第二层由SVM模型构成，主要识别R2L和U2R、Normal流量。

文章模型在检测少数攻击方面表现十分出色，对R2L和U2R的检测率分别达到96.67%和100%。

模型在NSL-KDD数据集上的表现：

总结：单一的机器学习模型在检测所有类型的攻击时并不准确，文献提出混合模型结构DLHA，在检测不常见但更危险的攻击方面具有一流的性能。