基于改进随机森林的工业互联网安全态势评估方法

针对工业互联网安全态势评估存在数据特征提取困难和安全态势评估准确率低等难题，提出一种基于改进随机森林的工业互联网安全态势评估方法 .基于随机采样技术平衡原始数据集以减小不平衡数据集对实验的影响；利用梯度提升决策树确定工业互联网流量数据中不同特征的权重系数，结合递归特征消除法提取其关键特征；构建基于改进随机森林的工业互联网多分类攻击检测模型，识别网络受到的攻击类别，并结合安全态势量化指标确定其风险程度.实验结果表明，本文算法的检测准确率和F1值分别达到89.19%和89.68%，相较于传统随机森林算法、支持向量机和K最近邻算法，其准确率和F1值分别至少提高2.91%和1.7%，平均分别提高8.38%和9.33%.