-
题名融合特征选择的随机森林DDoS攻击检测
被引量：7
- 1
-
-
作者
徐精诚
陈学斌
董燕灵
杨佳
-
机构
华北理工大学理学院
河北省数据科学与应用重点实验室(华北理工大学)
华北理工大学唐山市数据科学重点实验室
-
出处
《计算机应用》
CSCD
北大核心
2023年第11期3497-3503,共7页
-
基金
国家自然科学基金资助项目(U20A20179)。
-
文摘
现有基于机器学习的分布式拒绝服务(DDoS)攻击检测方法在面对愈发复杂的网络流量、不断升维的数据结构时,检测难度和成本不断上升。针对这些问题,提出一种融合特征选择的随机森林DDoS攻击检测方法。该方法选用基于基尼系数的平均不纯度算法作为特征选择算法,对DDoS异常流量样本进行降维,以降低训练成本、提高训练精度;同时将特征选择算法嵌入随机森林的单个基学习器,将特征子集搜索范围由全部特征缩小到单个基学习器对应特征,在提高两种算法耦合性的同时提高了模型精度。实验结果表明,融合特征选择的随机森林DDoS攻击检测方法训练所得到的模型,在限制决策树棵数和训练样本数量的前提下,召回率相较于改进前提升21.8个百分点,F1-score值提升12.0个百分点,均优于传统的随机森林检测方案。
-
关键词
分布式拒绝服务
特征选择
基尼系数
平均不纯度算法
随机森林算法
-
Keywords
Distributed Denial-of-Service(DDoS)
feature selection
Gini coefficient
mean impurity algorithm
random forest algorithm
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
