基于机器学习的入侵检测研究

• 作者: 吴咏萱 王玉画 郭泓妤 甘霖 高基桐
• 来源期刊: 电脑校园
• 关键词: 入侵检测研究 决策树 UNSW-NB15数据集
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机编程
• 页码范围: 232-233
• 页数: 2页
• 语种: 中文

摘要

入侵检测在网络方面的应用已经成为主流，其中，入侵检测技术和异常检测技术是两种主要形式。目前的研究大部分都是基于二分类进行，对于多分类的研究少之又少。由于决策树模型在异常入侵检测方面具有良好的检测性能，能够通过训练建立网络正常的行为模式，从而发现一些未知的攻击行为。本论文引入一种基于优化决策树的多分类异常网络检测模型，利用多分类来检测一些未知的攻击行为。主要对决策树重要属性进行研究，对建树、剪枝的过程加以训练和优化，并采用UNSW-NB15数据集对改进前后的模型进行性能测试。最终，使其在UNSW-NB15的数据集的多分类问题中达到84.33%的准确率。