首页|针对基于随机森林的网络入侵检测模型的优化研究

针对基于随机森林的网络入侵检测模型的优化研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Research on Optimization of Random-Forest-Based Network Intrusion Detection Model

章缙、李洪赭、李赛飞

展开 >

西南交通大学信息科学与技术学院 成都 611756

网络入侵检测 随机森林 决策树 上采样

四川省重大科技专项课题四川省重大科技专项课题四川省重大科技专项课题中央高校基本科研业务费专项

2018GZDX00052019YFG03992019ZDZX00072682019CX63

2022

10.3969/j.issn.1672-9722.2022.01.021

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(1)
  • 1
  • 7
  • 10