基于One-R的改进随机森林入侵检测模型研究

编号 zgly0000935192

文献类型 期刊论文

文献题名 基于One-R的改进随机森林入侵检测模型研究

作者 王翔  胡学钢  杨秋洁 

作者单位 合肥工业大学计算机与信息学院  安徽省科学技术情报研究所  中国银行安徽省分行 

母体文献 合肥工业大学学报;自然科学版 

年卷期 2015(5)

页码 627-630+711

年份 2015 

关键词 入侵检测  分类  随机森林  One-R算法  属性评价 

文摘内容 入侵检测(ID)是保障网络安全的必要手段之一,将数据挖掘引入入侵检测中使其可以适应海量审计数据的处理,同时可以提高检测的均衡性和响应时间。文章提出了一种基于随机森林(random forest,RF)的入侵检测模型(1R-RF),针对RF模型面对高维网络审计数据选择属性时过度随机导致的元分类器效率不高的问题,开展了基于One-R快速属性评价的研究。实验证明,将基于One-R的RF用于入侵检测后有较好的时空性能、较低的误报率和漏报率,对于各种攻击行为有着较为均衡的检测率。