基于深度提升网络的入侵检测技术研究

作者：张如雪; 缪祥华^*

来源：化工自动化及仪表, 2022, 49(06): 787-793.

DOI：10.20030/j.cnki.1000-3932.202206019

• 入侵检测
• 集成学习
• 多假设
• 相对多数投票
• 重构误差
• CICIDS2017数据集

为了在入侵检测时得到更高的精确率，使用极限梯度提升决策树XGBoost和梯度提升决策树GBDT构成集成学习的深度提升模型。利用CICIDS2017数据集对该模型进行实验，结果表明：与传统的5种方法相比，该方法在二分类和多分类任务上都表现出良好的检测效果。

• 单位
  自动化学院; 昆明理工大学