随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法...

点击上方“网络空间安全学术期刊”关注我们

随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法..._第1张图片

基于随机森林和深度自编码高斯混合

模型的无监督入侵检测方法

胡宁, 方兰婷, 秦中元

摘要

文章针对异常检测中的网络数据量大、特征维数高、传统机器学习算法对数据标签依 赖性高等问题,提出一种基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法RFDAGMM。该方法重点在于使用随机森林算法进行特征选择,一方面更加注重对结果重要的特征,另一方面消除无关特征对检测结果的干扰,经特征选择后的数据输入深度自编码高斯混合模型中, 从而获得更好的结果。本文分别基于KDD99、UNSW-NB15、CICIDS2017数据集进行实验,实验结果表明,RF-DAGMM在多个指标上的结果得到提升,同时减少训练时长和计算成本。

关键词

dc0886393c1fb9526f99c481869624a5.png

随机森林;特征选择;深度自动编码器;

高斯混合模型 

随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法..._第2张图片

正文如下

随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法..._第3张图片

随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法..._第4张图片

随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法..._第5张图片

随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法..._第6张图片

随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法..._第7张图片

随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法..._第8张图片

《网络空间安全》

随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法..._第9张图片

《网络空间安全》由中华人民共和国工业和信息化部主管,中国电子信息产业发展研究院、赛迪工业和信息化研究院(集团)有限公司主办,是我国网络空间安全领域集学术性、技术性、专业性和权威性为一体的国家级学术性月刊。

目前,《网络空间安全》已经被中文核心期刊(遴选)数据库、中文学术期刊网络出版总库、中国知识资源总库(CNKI)源期刊、中文科技期刊数据库收入。

随机森林模型代码_基于随机森林和深度自编码高斯混合模型的无监督入侵检测方法..._第10张图片

点击下方“阅读原文”即可进入期刊官方网站

你可能感兴趣的:(随机森林模型代码)