-
题名改进的随机森林分类器网络入侵检测方法
被引量：44
- 1
-
-
作者
夏景明
李冲
谈玲
周刚
-
机构
南京信息工程大学电子与信息工程学院
南京信息工程大学计算机与软件学院
-
出处
《计算机工程与设计》
北大核心
2019年第8期2146-2150,共5页
-
文摘
目前网络入侵检测方法大多基于改进的机器学习算法,但是机器学习算法会出现过拟合情况,导致入侵检测准确率降低。为解决该问题,提出一种改进的随机森林分类器网络入侵检测方法,通过高斯混合模型聚类算法将数据分成不同的簇,为每一个簇训练不同的随机森林分类器,通过这些训练好的随机森林分类器进行网络入侵检测。训练和实验数据采用NSL-KDD网络入侵数据集,实施中首先根据属性比率数据特征提取方法进行数据处理,然后进行高斯混合聚类,最后使用随机森林分类器对聚类结果进行训练。实验结果表明,该方法相比其它机器学习算法具有更高的入侵检测准确率。
-
关键词
网络安全入侵检测
机器学习
随机森林分类器
高斯混合聚类
属性比特征提取
网络入侵检测数据集
-
Keywords
network security intrusion detection
machine learning
random forest classifier
Gaussian hybrid clustering
attri- bute ratio feature extraction
NSL-KDD
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
