發(fā)布時(shí)間：2024-02-29 17:40

　　傳統(tǒng)的隨機(jī)森林在網(wǎng)絡(luò)入侵檢測中收斂速度慢,并且學(xué)習(xí)性能不夠完善。為消除原始入侵檢測數(shù)據(jù)中的冗余信息,提出一種基于信息增益和粗糙集的隨機(jī)森林入侵檢測方法。使用信息增益對(duì)數(shù)據(jù)的各個(gè)屬性進(jìn)行相關(guān)分析,刪除冗余屬性,減小屬性簡約的時(shí)間復(fù)雜度;利用粗糙集理論從數(shù)據(jù)中提取分明函數(shù),求得屬性簡約;使用隨機(jī)森林分類器進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明,該方法收斂速度較快,在召回率和精度方面都要高于傳統(tǒng)的隨機(jī)森林方法,尤其是在訓(xùn)練樣本充足的網(wǎng)絡(luò)環(huán)境下,效果更加明顯。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引 言
1 模型架構(gòu)設(shè)計(jì)
2 算法設(shè)計(jì)
    2.1 熵與信息增益
    2.2 粗糙集理論
    2.3 IG和RST相結(jié)合的屬性簡約方法
    2.4 隨機(jī)森林
3 實(shí)驗(yàn)結(jié)果與分析
4 結(jié) 語



本文編號(hào)：3914691