基于随机森林的入侵检测分类研究 |
| |
引用本文: | 曹扬晨,朱国胜,祁小云,邹洁.基于随机森林的入侵检测分类研究[J].计算机科学,2021(S1):459-463. |
| |
作者姓名: | 曹扬晨 朱国胜 祁小云 邹洁 |
| |
作者单位: | 1. 湖北大学计算机与信息工程学院;2. 湖北大学化学化工学院 |
| |
摘 要: | 为了有效地检测网络的攻击行为,机器学习被广泛用于对不同类型的入侵检测进行分类,传统的决策树方法通常用单个模型训练数据,容易出现泛化误差大、过拟合的问题。为解决该问题,文中引入并行式集成学习的思想,提出基于随机森林的入侵检测模型,由于随机森林中每棵决策树都有决策权,因此可以很好地提高分类的准确性。利用NSL-KDD数据集对入侵检测模型进行训练和测试,实验结果表明,该模型的准确率可达99.91%,具有非常好的入侵检测分类效果。
|
关 键 词: | 入侵检测 机器学习 随机森林 决策树 |
|
|