【摘 要】
：
为更有效地识别网络流量中少量的异常流量样本,提出一种基于改进极端随机树的异常流量分类方法。计算数据中每个特征的信息增益率,获得较低维度的特征集。在此基础上,使用随
【机 构】
：
桂林电子科技大学计算机与信息安全学院,桂林电子科技大学信息与通信学院,桂林电子科技大学广西高校云计算与复杂系统重点实验室,桂林电子科技大学广西可信软件重点实验室
【基金项目】
：
国家自然科学基金(61662018,61163058),广西自然科学基金(2016GXNSFAA380153),广西高校云计算与复杂系统重点实验室研究课题(14103,15208),广西云计算与大数据协同创新中心研究课题(YD16303)
论文部分内容阅读
为更有效地识别网络流量中少量的异常流量样本,提出一种基于改进极端随机树的异常流量分类方法。计算数据中每个特征的信息增益率,获得较低维度的特征集。在此基础上,使用随机训练方法训练分类模型,对一部分基分类器使用全部样本进行训练,对另一部分则使用经过重采样的数据进行训练,并使用加权统计的方法修改其最后的投票规则。实验结果表明,该方法在NSL-KDD数据集上可达到0.995 6的精确率,与ET和RF集成分类算法相比,其在数据样本较少的类别上分类效果更好。
其他文献
以南江3号包衣种为实验对象，研究了烤烟苗池不同加热方式对出苗率、成苗率、壮苗效果、成本等的影响。结果表明：不同增温方式对出苗率、成苗率基本无影响；不同增温措施均可加快
在新的医疗改革背景下,医院为了创建新的医疗客户服务平系统,积极采取建立短信收发的平台、连通医院内部与外部网络、创建专业的呼叫中心等措施,按照患者的实际需求来建立一