10.3969/j.issn.1671-1122.2017.11.008
一种基于PCA和随机森林分类的入侵检测算法研究
针对现有的入侵检测方法准确率低的问题,文章提出了一种基于PCA(Principal Component Analysis,主成分分析法)和随机森林分类的入侵检测算法.该算法思想是对训练数据先清洗后分类,首先通过主成分分析法对数据进行特征降维和降噪,然后对处理后的数据使用随机森林分类器进行分类训练.实验使用基于Python的机器学习库scikit-learn,并采用20%的NSL KDD数据集.实验结果表明,与常用的基于机器学习的入侵检测技术相比,文章提出的入侵检测算法可更有效地提高检测的准确性.
机器学习、入侵检测、PCA、随机森林
TP309(计算技术、计算机技术)
国家自然科学基金71231003;福建省科技厅区域发展项目2015H4005;福建省科技厅工业引导性重点项目2015H0020;福州市科技计划项目2014G75
2018-04-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
50-54