基于集成学习的网络攻击行为检测方法

打开文本图片集

摘要：针对传统网络攻击入侵检测方法难以有效应对复杂多变的新形式网络攻击的问题，文章提出了一种基于集成学习的网络攻击行为检测方法。该方法将随机森林、朴素贝叶斯和神经网络3种弱学习器组合形成强学习器，通过加权平均各弱学习器对输入样本的预测概率以获得最终的预测结果。在公开数据集上的实验结果表明，该算法的检测准确率达到96.9%，较支持向量机、随机森林和神经网络方法提升了约5%，较逻辑回归方法提升了12.4%，较朴素贝叶斯方法提升了10.0%；同时，其他指标也有不同程度的提升，有效地完成了网络攻击行为检测任务。（剩余7568字）