10.20030/j.cnki.1000-3932.202206019
基于深度提升网络的入侵检测技术研究
为了在入侵检测时得到更高的精确率,使用极限梯度提升决策树XGBoost和梯度提升决策树GBDT构成集成学习的深度提升模型.利用CICIDS2017数据集对该模型进行实验,结果表明:与传统的5种方法相比,该方法在二分类和多分类任务上都表现出良好的检测效果.
入侵检测、集成学习、多假设、相对多数投票、重构误差、CICIDS2017数据集
49
TP393.08(计算技术、计算机技术)
2023-02-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
787-793