基于IRF FBR的入侵检测算法

摘要：

近年来,互联网安全和入侵检测技术受到大家的广泛重视.随着大数据时代的来临,互联网中的数据流量日益增多,传统的入侵检测算法面临着检测率低、参数选取困难或实时性不高等问题.为了解决这些问题,论文提出了基于IRF FBR(Random Forest-Forward Selection and Backward Elimination Ranking based on Information Gain)的入侵检测算法,该算法计算特征的信息增益作为其权重,使用FBR方法实现特征选取,以RF分类准确率作为子集优劣的评价标准.最后,在入侵检测数据集上对各种入侵检测分类算法进行对比实验.结果表明,该算法能够选择较优的特征子集,分类测试时间明显减少,分类准确性和召回率也有一定提升.

关键词：入侵检测、网络安全、特征选择、机器学习

所属期刊栏目：47

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2020-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1421-1425