首页|基于机器学习的网络入侵检测算法研究

基于机器学习的网络入侵检测算法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对目前入侵检测系统对少数攻击类的识别率较低的问题,提出一种基于卷积神经网络和随机森林的分类方法.对CICIDS2017数据集中的数据进行预处理,并用SMOTE算法进行数据平衡;用卷积神经网络对BENIGN类和ATTACK类进行二分类,分离出ATTACK类;用PCA进行特征选择,减少特征维度,并用随机森林算法对ATTACK类进行多分类.与其他算法相比,该方法不仅增加了少数攻击类的识别率,并且对其余类的识别率也有所增加.
NETWORK INTRUSION DETECTION ALGORITHM BASED ON MACHINE LEARNING

张志飞、王露漫

展开 >

北京交通大学计算机与信息技术学院 北京 100044

机器学习 卷积神经网络 随机森林 PCA 入侵检测

国家科技支撑计划

2015BAG12B01-08

2022

10.3969/j.issn.1000-386x.2022.10.049

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(10)
  • 4
  • 6