基于随机森林的入侵检测分类研究

作者：曹扬晨; 朱国胜^*; 祁小云; 邹洁

来源：计算机科学, 2021, 48(S1): 459-463.

• 入侵检测
• 机器学习
• 随机森林
• 决策树

为了有效地检测网络的攻击行为,机器学习被广泛用于对不同类型的入侵检测进行分类,传统的决策树方法通常用单个模型训练数据,容易出现泛化误差大、过拟合的问题。为解决该问题,文中引入并行式集成学习的思想,提出基于随机森林的入侵检测模型,由于随机森林中每棵决策树都有决策权,因此可以很好地提高分类的准确性。利用NSL-KDD数据集对入侵检测模型进行训练和测试,实验结果表明,该模型的准确率可达99.91%,具有非常好的入侵检测分类效果。

• 单位
  化学化工学院; 湖北大学