-
题名针对基于随机森林的网络入侵检测模型的优化研究
被引量:7
- 1
-
-
作者
章缙
李洪赭
李赛飞
-
机构
西南交通大学信息科学与技术学院
-
出处
《计算机与数字工程》
2022年第1期106-110,179,共6页
-
基金
四川省重大科技专项课题(编号:2018GZDX0005,2019YFG0399,2019ZDZX0007)
中央高校基本科研业务费专项(编号:2682019CX63)资助。
-
文摘
为了应对大规模网络环境下日益复杂的网络安全威胁,越来越多的研究使用机器学习算法来建立入侵检测模型,其中一些基于随机森林的检测方法具有较好的效果。但传统随机森林中一些分类能力较差的决策树的存在,以及入侵检测数据集的不平衡性,都可能会导致基于传统随机森林的入侵检测模型的性能有所下降。针对这些问题,论文在基于传统随机森林的入侵检测模型上加入了精英选择、加权投票和上采样几种优化方法,并在UNSW-NB15数据集上进行了测试,结果表明优化后的模型具有更好的检测能力。
-
关键词
网络入侵检测
随机森林
决策树
上采样
-
Keywords
network intrusion detection
random forest
decision tree
over sampling
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-