文档名：基于Xbgoost算法的网络入侵检测研究
机器学习在网络入侵检测中的应用已经受到各界广泛关注,应用的算法主要是决策树、随机森林、logit、KNN等机器学习模型,这些算法发布时间较长、应用成熟、发掘潜力有限.Xgboost算法推出时间相对较晚,在网络入侵检测中的研究较少.文章以此为研究对象,基于入侵检测数据集KDD99,使用logit、KNN、决策树、随机森林、Xgboost等机器学习模型分别进行5折交叉验证,计算和比较这些算法的识别效果.试验结果表明,同已有的机器学习算法相比,Xgboost算法在各种入侵检测中均有优异的表现,算法在网络入侵检测领域有较大的发展空间.
作者：张阳姚原岗
作者单位：中国信息安全测评中心,北京1085
母体文献：第33次全国计算机安全学术交流会论文集
会议名称：第33次全国计算机安全学术交流会
会议时间：2018年10月10日
会议地点：广州
主办单位：中国计算机学会
语种：chi
分类号：
关键词：网络入侵检测 Xgboost算法 数据预处理 随机森林
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 243.81 KB
- 下载次数:
- 60
-
高速下载
|
|
