层次采样的代价敏感随机森林算法及其应用

摘要：

机器学习算法在入侵检测系统中被广泛应用,提升了入侵检测系统的效率和准确率.然而,入侵数据类倾斜和数据流量剧增问题,导致其被使用的局限性.针对此问题,提出一种分布式层次采样的代价敏感随机森林算法.利用层次采样技术降低样本类别倾斜比率,通过随机森林算法进行特征选择,构建敏感随机森林算法的分布式检测网络.实验结果表明,该算法可以减小数据类别倾斜影响,提升分类器性能,提高检测效率.

关键词：随机森林、网络入侵检测、样本类别倾斜、层次采样、代价敏感、分布式

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学青年基金项目51407078;国家自然科学基金面上基金项目61773165

在线出版日期：2020-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3361-3366