针对传统朴素贝叶斯分类模型在入侵取证中存在的特征项冗余问题，以及没有考虑入侵行为所涉及的数据属性间的差别问题，提出一种基于改进的属性加权朴素贝叶斯分类方法。用一种改进的基于特征冗余度的信息增益算法对特征项集进行优化，并在此优化结果的基础上，提取出其中的特征冗余度判别函数作为权值引入贝叶斯分类算法中，对不同的条件属性赋予不同的权值。经实验验证，该算法能有效地选择特征向量，降低分类干扰，提高检测精度。