基于随机森林的集成学习入侵检测方法
为解决网络入侵检测效果不佳的问题,提出一种基于随机森林的集成学习入侵检测方法.通过K-means和SMOTE处理数据集获得相关度高的平衡数据子集,随机森林选择出最优的特征子集,基于树的集成学习方法分类结果.本文采用CICIDS2017数据集进行本文方法可行性的研究,结果表明本文提出的方法相比传统的单一机器学习方法具备更高的检测精度和更低的时间开销.
随机森林、集成学习、入侵检测、机器学习
18
TP18(自动化基础理论)
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共2页
87-88