科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来,互联网安全和入侵检测技术受到大家的广泛重视。随着大数据时代的来临,互联网中的数据流量日益增多,传统的入侵检测算法面临着检测率低、参数选取困难或实时性不高等问题。为了解决这些问题,论文提出了基于IRF＿FBR(Random Forest-Forward Selection and Backward Elimination Ranking based on Information Gain)的入侵检测算法,该算法计算特征的信息增益作为其权重,使用FBR方法实现特征选取,以RF分类准确率作为子集优劣的评价标准。最后,在入侵检测数据集上对各种入侵检测分类算法进行对比实验。结果表明,该算法能够选...
- 单位
