基于随机森林的网络入侵检测方法

• 作者: 吕奕达 李均华 芶继军 陈一鸣 陈晨
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 网络安全 机器学习 随机森林方法 攻击检测
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 82-88
• 页数: 7页
• 分类号: TN915.08
• 字数: 7745字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0139

摘要

为了提高网络安全水平,及时对网络攻击进行主动检测,提出了一种基于随机森林的网络入侵检测模型.该模型能够对大流量攻击进行分布式检测,且检测算法在引入了两个随机性后,即可降低网络流量内不同属性特征字段的噪声,并消除关联性,以便更为便捷、迅速地对攻击进行主动检测.将经典的Adaboost组合多分类器方法与提出的算法在检测率、正确率、精确率三个方面进行对比,体现了该算法的优越性,为大数据时代下网络安全提供了更好的保护.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈晨		29	205	7.0	13.0
2	芶继军	国网四川省电力公司经济技术研究院	2	4	2.0	2.0
3	李均华	国网四川省电力公司经济技术研究院	2	5	2.0	2.0
4	陈一鸣	国网四川省电力公司经济技术研究院	1	2	1.0	1.0
5	吕奕达		1	2	1.0	1.0