在網(wǎng)絡(luò)安全問(wèn)題的研究中,傳統(tǒng)檢測(cè)模型對(duì)網(wǎng)絡(luò)攻擊的檢測(cè)率較低。為了進(jìn)一步提高網(wǎng)絡(luò)安全,利用集成特征選擇算法進(jìn)行重要特征提取;構(gòu)建多分類器模型,并在NUSW-NB15數(shù)據(jù)集上做實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,所提出的基于集成特征選擇的入侵檢測(cè)模型能很好的識(shí)別攻擊類型數(shù)據(jù),在整體的準(zhǔn)確率和G平均指標(biāo)上統(tǒng)計(jì)值達(dá)到97.09%、89.10%,能有效識(shí)別網(wǎng)絡(luò)流量中的異常攻擊。

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

圖3多算法多性能對(duì)比圖

與準(zhǔn)確率關(guān)系圖33.2實(shí)驗(yàn)二從多個(gè)性能指標(biāo)層面分析模型的性能。不同算法的指標(biāo)平均統(tǒng)計(jì)結(jié)果見(jiàn)表1所示，每個(gè)指標(biāo)值均是多種特征數(shù)量情況下實(shí)驗(yàn)的平均值。通過(guò)對(duì)表1中數(shù)據(jù)分析可知，本文所提算法在五個(gè)指標(biāo)上有1%到28%不等的提升，特別是在F分?jǐn)?shù)和G平均這兩個(gè)綜合性評(píng)價(jià)指標(biāo)上提升比較明顯，....

圖1入侵檢測(cè)模型流程圖

Union和Inter兩個(gè)特征集合，能夠選擇出多個(gè)重要特征，并依此對(duì)訓(xùn)練集和測(cè)試集數(shù)據(jù)進(jìn)行特征篩眩所提出的入侵檢測(cè)模型除了對(duì)特征選擇算法進(jìn)行研究，還構(gòu)建了一種多分類方法�；谔卣魈崛『蟮臄�(shù)據(jù)集構(gòu)建出支持向量機(jī)（SVM）、決策樹(shù)算法（DT）和K-近鄰算法（KNN）三個(gè)分類器，并采用....

本文編號(hào)：4030331