基于集成特征选择的网络入侵检测模型

发布时间：2025-02-05 19:27

　　 在网络安全问题的研究中,传统检测模型对网络攻击的检测率较低。为了进一步提高网络安全,利用集成特征选择算法进行重要特征提取;构建多分类器模型,并在NUSW-NB15数据集上做实验验证。实验结果表明,所提出的基于集成特征选择的入侵检测模型能很好的识别攻击类型数据,在整体的准确率和G平均指标上统计值达到97.09%、89.10%,能有效识别网络流量中的异常攻击。

【文章页数】：4 页

【部分图文】：

图3多算法多性能对比图

与准确率关系图33.2实验二从多个性能指标层面分析模型的性能。不同算法的指标平均统计结果见表1所示，每个指标值均是多种特征数量情况下实验的平均值。通过对表1中数据分析可知，本文所提算法在五个指标上有1%到28%不等的提升，特别是在F分数和G平均这两个综合性评价指标上提升比较明显，....

图1入侵检测模型流程图

Union和Inter两个特征集合，能够选择出多个重要特征，并依此对训练集和测试集数据进行特征筛眩所提出的入侵检测模型除了对特征选择算法进行研究，还构建了一种多分类方法。基于特征提取后的数据集构建出支持向量机（SVM）、决策树算法（DT）和K-近邻算法（KNN）三个分类器，并采用....

本文编号：4030331