摘要：为了提高入侵检测模型的准确率，提出一种基于K-均值算法、朴素贝叶斯分类算法和反向传播神经网络的混合入侵检测模型；首先，采用基于分区、无监督式聚类分析的K-均值算法进行数据的聚类处理，得到易于被机器处理和学习的数据集；为了进一步获取必要的数据属性，将聚类处理的结果输入到贝叶斯分类器进行分类；然后，具有较短学习周期的反向传播神经网络负责训练数据分类样本；最后，基于KDDCUP99数据集，对混合入侵检测模型进行了仿真实验，实验结果表明，通过混合入侵检测模型，DoS、U2R、R2L和Probe等入侵数据被精准地检测出；相比其它入侵检测模型，混合入侵检测模型取得了较高的准确率和召回率，以及较低的误报率，具有一定的实用价值。