文章針對(duì)異常檢測(cè)中的網(wǎng)絡(luò)數(shù)據(jù)量大、特征維數(shù)高、傳統(tǒng)機(jī)器學(xué)習(xí)算法對(duì)數(shù)據(jù)標(biāo)簽依賴性高等問(wèn)題,提出一種基于隨機(jī)森林和深度自編碼高斯混合模型的無(wú)監(jiān)督入侵檢測(cè)方法RF-DAGMM。該方法重點(diǎn)在于使用隨機(jī)森林算法進(jìn)行特征選擇,一方面更加注重對(duì)結(jié)果重要的特征,另一方面消除無(wú)關(guān)特征對(duì)檢測(cè)結(jié)果的干擾,經(jīng)特征選擇后的數(shù)據(jù)輸入深度自編碼高斯混合模型中,從而獲得更好的結(jié)果。本文分別基于KDD99、UNSW-NB15、CICIDS2017數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,RF-DAGMM在多個(gè)指標(biāo)上的結(jié)果得到提升,同時(shí)減少訓(xùn)練時(shí)長(zhǎng)和計(jì)算成本。 

【文章來(lái)源】：網(wǎng)絡(luò)空間安全. 2020,11(08)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

RF-DAGMM模型圖

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林的學(xué)生畫(huà)像特征選擇方法[J]. 楊長(zhǎng)春,徐筱,宦娟,田迎春,經(jīng)德林.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(10)
[2]基于機(jī)器學(xué)習(xí)技術(shù)的網(wǎng)絡(luò)安全防護(hù)[J]. 劉金鵬.  網(wǎng)絡(luò)空間安全. 2018(09)

碩士論文
[1]基于深度學(xué)習(xí)的網(wǎng)絡(luò)流量入侵檢測(cè)研究[D]. 紀(jì)書(shū)鑒.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院) 2020



本文編號(hào)：3454229