# 混淆矩阵与贝叶斯计算

> 来源：IDS 课件第 7–12 页。第 11–12 页存在计算或条件表述问题，本篇保留原题条件并重新计算。

## 1. 先分清真实情况与检测结果

| 真实情况\检测结果 | 报警 | 不报警 |
|---|---|---|
| 真攻击 | TP，真正例 | FN，漏报 |
| 正常 | FP，误报 | TN，真负例 |

- 检出率/召回率 TPR=`TP/(TP+FN)`。
- 漏报率 FNR=`FN/(TP+FN)`。
- 误报率 FPR=`FP/(FP+TN)`。
- 报警精确率 Precision=`TP/(TP+FP)`。
- 总体准确率 Accuracy=`(TP+TN)/(TP+FP+TN+FN)`。

“正常事件有多少被误报”与“报警里有多少是假报警”分母不同，不能都叫同一个数。

## 2. 用条件概率读题

设 T=真的攻击，A=发出报警。

- `P(A|T)`：已知是攻击，报警概率；是检出率。
- `P(A|非T)`：已知正常，报警概率；是误报率。
- `P(T|A)`：已知报警，实际攻击概率；是我们常想知道的可信度。

竖线表示“在什么已知条件下”。**P(A|T) 与 P(T|A) 不能交换。**

## 3. 贝叶斯公式

```text
P(A) = P(A|T)P(T) + P(A|非T)P(非T)

P(T|A) = P(A|T)P(T) / P(A)
```

令攻击基率为 p、检出率为 d、误报率为 f：

```text
报警可信度 = dp / [dp+f(1−p)]
```

## 4. 重新计算课件例题

给定 `p=1/10000=0.0001`，`d=0.99`，`f=0.01`。

```text
真正攻击并报警：0.99×0.0001 = 0.000099
正常但误报：   0.01×0.9999 = 0.009999
总报警概率：   0.010098
报警可信度：   0.000099/0.010098 ≈ 0.009804 = 0.9804%
```

用 1,000,000 个事件更直观：其中 100 个攻击，99 个被检出；999,900 个正常事件里有 9,999 个误报；总报警 10,098 个，实际攻击只占约 0.98%。

课件第 11 页把总报警概率写成 0.10098 等值，不能直接背；上面是按其列出的检出率/误报率条件重算的结果。

## 5. “准确率 99%”为什么信息不够

只给总体 Accuracy=99%，不能唯一决定 TPR 和 FPR，因此不足以直接求报警精确率。

若攻击占 1%，并明确 `TPR=99%,FPR=1%`，则：

```text
P(T|A)=0.99×0.01 / (0.99×0.01+0.01×0.99)=50%
```

所以课件第 12 页“攻击 1%、检测正确率 99%→报警准确度 1%”不能在未说明条件时照搬。

## 6. 让报警可信度达到 50% 要多低的误报率

在前例 p=0.0001、d=0.99 下，令分子与误报项相等：

```text
dp = f(1−p)
f = dp/(1−p) ≈ 0.00009901 = 0.009901%
```

即正常事件误报率需约万分之一量级，而不是百分之一量级。这个结果依赖给定的 p 和 d，不能概括为所有系统“准确率到某数就行”。

## 7. 稳定的解题步骤

1. 定义攻击和报警两个事件。
2. 标出基率、检出率、误报率。
3. 求“攻击且报警”和“正常且报警”。
4. 两者相加得到总报警概率。
5. 真报警除以所有报警，再正确换算百分比。

## 自测

p=1%、d=90%、f=1%，报警可信度是多少？

**答案：**`0.009/(0.009+0.0099)≈47.62%`。即使多数攻击能检出，也不表示多数报警一定可靠。
