發(fā)布時間：2025-02-05 19:27

　　 在網絡安全問題的研究中,傳統(tǒng)檢測模型對網絡攻擊的檢測率較低。為了進一步提高網絡安全,利用集成特征選擇算法進行重要特征提取;構建多分類器模型,并在NUSW-NB15數(shù)據(jù)集上做實驗驗證。實驗結果表明,所提出的基于集成特征選擇的入侵檢測模型能很好的識別攻擊類型數(shù)據(jù),在整體的準確率和G平均指標上統(tǒng)計值達到97.09%、89.10%,能有效識別網絡流量中的異常攻擊。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖3多算法多性能對比圖

與準確率關系圖33.2實驗二從多個性能指標層面分析模型的性能。不同算法的指標平均統(tǒng)計結果見表1所示，每個指標值均是多種特征數(shù)量情況下實驗的平均值。通過對表1中數(shù)據(jù)分析可知，本文所提算法在五個指標上有1%到28%不等的提升，特別是在F分數(shù)和G平均這兩個綜合性評價指標上提升比較明顯，....

圖1入侵檢測模型流程圖

Union和Inter兩個特征集合，能夠選擇出多個重要特征，并依此對訓練集和測試集數(shù)據(jù)進行特征篩眩所提出的入侵檢測模型除了對特征選擇算法進行研究，還構建了一種多分類方法�；谔卣魈崛『蟮臄�(shù)據(jù)集構建出支持向量機（SVM）、決策樹算法（DT）和K-近鄰算法（KNN）三個分類器，并采用....

本文編號：4030331