基于SMOTE和GBDT的网络入侵检测方法研究

• 作者: 侯晓莲 封化民 徐治理 李明伟
• 来源期刊: 计算机应用研究
• 关键词: 入侵检测 机器学习 GBDT SMOTE KDD99
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 信息安全技术
• 页码范围: 3745-3748
• 页数: 4页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.12.051

摘要

现有的基于机器学习的入侵检测方法大多专注于提高整体检测率和降低整体的漏报率,忽视了少数类别的检测率和漏报率,为此,提出了一种基于SMOTE(synthetic minority oversampling technique)和GBDT(gradient boosting decision tree)的入侵检测方法.其核心思想是:首先在预处理阶段使用SMOTE技术提高少数类别的样本数量,且对多数类别样本降采样,最后在平衡数据集上训练GBDT分类器.利用KDD99数据集进行实验验证,并与在原始训练集上训练的分类器、KDD99竞赛的最好成绩进行对比.结果表明,该方法在保持较高的整体正确率的同时,其平均漏报率比KDD99最好成绩及原始训练集上的模型降低了约17％,从而证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	封化民	西安电子科技大学通信工程学院	39	300	9.0	15.0
5	李明伟	西安电子科技大学通信工程学院	1	32	1.0	1.0
6	侯晓莲		1	32	1.0	1.0
7	徐治理	西安电子科技大学通信工程学院	3	49	3.0	3.0