基于机器学习的入侵检测系统

作     者：张兵权 马立鑫 杨一凡 Zhang Bingquan;Ma Lixin;Yang Yifan

作者机构：北华航天工业学院计算机学院廊坊065000 

基　　金：河北省教育厅项目(CXY2023013) 硕士研究生科研创新项目(YKY-2024-43) 

出 版 物：《现代计算机》 (Modern Computer)

年 卷 期：2024年第30卷第22期

页      码：221-225页

摘      要：网络安全已成为全球关注的一个重要问题。入侵检测系统(IDS)通过检测恶意行为者和活动,在保护互联网络方面发挥着至关重要的作用。然而,随着数据数量的增长,在训练ML模型时,降维变得越来越困难。针对这一点,文章介绍了一种新的基于ML的网络入侵检测模型,该模型使用随机过采样(RO)来解决数据不平衡问题,并基于聚类结果进行叠加特征嵌入,以及用于降维的主成分分析(PCA),为大型和不平衡数据集设计。该模型在UNSW-NB15数据集上表现出色,RF和ET模型准确率分别达到99.53%和99.14%,优于现有技术,可用于准确监测和识别网络流量入侵,确保网络安全。

主 题 词：入侵检测系统 特征提取 随机过采样 主成分分析 机器学习 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1007-1423.2024.22.041

馆 藏 号：203156925...