×

基于SMOTE和GBDT的入侵检测方法

消耗积分:2 | 格式:rar | 大小:0.94 MB | 2018-01-17

分享资料个

　　现有的基于机器学习的入侵检测方法大多专注于提高整体检测率和降低整体的漏报率，忽视了少数类别的检测率和漏报率，为此，提出了一种基于SMOTE（ synthetic minority oversampling technique）和CBDT（ gradient　boosting decision tree）的入侵检测方法。其核心思想是：首先在预处理阶段使用SMOTE技术提高少数类别的样本数量，且对多数类别样本降采样，最后在平衡数据集上训练CBDT分类器。利用KDD99数据集进行实验验证，并与在原始训练集上训练的分类器、KDD99竞赛的最好成绩进行对比。结果表明，该方法在保持较高的整体正确率的同时，其平均漏报率比KDD99最好成绩及原始训练集上的模型降低了约17%，从而证明了该方法的有效性。
 

下载并关注上传者 低至0.43元/天 开通VIP 免费下载

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !