10.19678/j.issn.1000-3428.0048489
基于改进极端随机树的异常网络流量分类
为更有效地识别网络流量中少量的异常流量样本,提出一种基于改进极端随机树的异常流量分类方法.计算数据中每个特征的信息增益率,获得较低维度的特征集.在此基础上,使用随机训练方法训练分类模型,对一部分基分类器使用全部样本进行训练,对另一部分则使用经过重采样的数据进行训练,并使用加权统计的方法修改其最后的投票规则.实验结果表明,该方法在NSL-KDD数据集上可达到0.995 6的精确率,与ET和RF集成分类算法相比,其在数据样本较少的类别上分类效果更好.
异常网络流量、流量分类、特征选择、随机训练、极端随机树
44
TP391(计算技术、计算机技术)
国家自然科学基金61662018,61163058;广西自然科学基金2016GXNSFAA380153;广西高校云计算与复杂系统重点实验室研究课题14103,15208;广西云计算与大数据协同创新中心研究课题YD16303
2019-01-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
33-39