一种基于PCA和随机森林分类的入侵检测算法研究

• 作者: 刘川葆 林伟宁 詹云清 陈明志
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 机器学习 入侵检测 PCA 随机森林
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 技术研究
• 页码范围: 50-54
• 页数: 5页
• 分类号: TP309
• 字数: 5367字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2017.11.008

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈明志	福州大学数学与计算机科学学院	28	108	5.0	9.0
5	刘川葆	福州大学数学与计算机科学学院	3	23	3.0	3.0
9	林伟宁	福州大学数学与计算机科学学院	2	20	2.0	2.0
13	詹云清	国网福建省电力有限公司电力科学研究院	3	18	1.0	3.0