基于PRF-RFECV特征优选的GA-LightGBM的网络安全态势评估
目前,在网络安全领域中,传统机器学习模型存在训练时间过长和对冗余特征高敏感性的缺点,已然处理不了日益复杂的网络空间.为针对海量、高维的网络安全要素,提高网络安全态势评估的精度和效率,提出了一种基于PRF-RFECV特征优选的GA-LightGBM的网络安全态势评估模型.首先利用并行随机森林筛选出的特征重要度,然后结合带有交叉验证的递归特征消除选出最优特征集,最后利用遗传算法的全局搜索特性选取轻度级梯度提升机模型的最优参数后进行分类.实验仿真表明,该模型在准确率和F1分数上均优于传统的网络安全态势评估算法,且效率更高.
网络安全态势、轻量级梯度提升机、随机森林、遗传算法
50
TP393(计算技术、计算机技术)
2023-09-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
759-764