基于Xbgoost算法的网络入侵检测研究

扫码查看

原文链接

NETL

中文摘要：机器学习在网络入侵检测中的应用已经受到各界广泛关注,应用的算法主要是决策树、随机森林、logit、KNN等机器学习模型,这些算法发布时间较长、应用成熟、发掘潜力有限.Xgboost算法推出时间相对较晚,在网络入侵检测中的研究较少.文章以此为研究对象,基于入侵检测数据集KDD99,使用logit、KNN、决策树、随机森林、Xgboost等机器学习模型分别进行5折交叉验证,计算和比较这些算法的识别效果.试验结果表明,同已有的机器学习算法相比,Xgboost算法在各种入侵检测中均有优异的表现,算法在网络入侵检测领域有较大的发展空间.

作者：

ZHANG Yang、张阳、YA Yuangang、姚原岗

展开 >

作者单位：

中国信息安全测评中心,北京1085

关键词：

网络入侵检测 Xgboost算法数据预处理随机森林

主办单位：

中国计算机学会

会议名称：

第33次全国计算机安全学术交流会

会议时间：

2018-10-10

会议地点：

广州

会议母体文献：

第33次全国计算机安全学术交流会论文集

页码：

102-105

出版时间：

2018