基于对抗机器学习的网络入侵特征选择研究

网络入侵特征选择过程中无法有效缩减特征规模,导致特征选择效果不理想,据此该文设计基于对抗机器学习的网络入侵特征选择方法。利用对抗机器学习以及Word2vec改变入侵特征规模,降低冗余特征量。选择对抗入侵节点位置,通过迭代更新获取节点可信度和可用度值,形成入侵特征选择点集,从入侵特征分组中随机选择特征子集,获取网络入侵特征选择结果。由实验结果可知,该方法特征选择结果与理想结果一致,F1分数最高为95分,特征选择效果较好。