针对基于随机森林的网络入侵检测模型的优化研究

摘要：

为了应对大规模网络环境下日益复杂的网络安全威胁,越来越多的研究使用机器学习算法来建立入侵检测模型,其中一些基于随机森林的检测方法具有较好的效果.但传统随机森林中一些分类能力较差的决策树的存在,以及入侵检测数据集的不平衡性,都可能会导致基于传统随机森林的入侵检测模型的性能有所下降.针对这些问题,论文在基于传统随机森林的入侵检测模型上加入了精英选择、加权投票和上采样几种优化方法,并在UNSW-NB15数据集上进行了测试,结果表明优化后的模型具有更好的检测能力.

关键词：网络入侵检测;随机森林;决策树;上采样

所属期刊栏目：50

分类号：TP393.08(计算技术、计算机技术)

资助基金：四川省重大科技专项课题;四川省重大科技专项课题;四川省重大科技专项课题;中央高校基本科研业务费专项

在线出版日期：2022-02-18（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：106-110,179