一种新的混合特征选择和基于集团的机器学习方法用于尸网络检测
Md Alamgir Hossain1, Md Saiful Islam2
1Institute of Information and Communication Technology (IICT), Bangladesh University of Engineering and Technology (BUET), Dhaka, 1000, Bangladesh. alamgir.cse14.just@gmail.com.
Scientific reports
|December 1, 2023
概括
本研究介绍了一种新的混合功能选择和机器学习模型,用于高级尸网络检测. 这种新方法实现了近乎完美的准确性,为应对不断变化的网络威胁提供了卓越的弹性.
科学领域:
- 网络安全 网络安全
- 机器学习 机器学习
- 网络安全 网络安全
背景情况:
- 由于不断发展的网络威胁,尸网络检测是一个关键的挑战.
- 现有的检测系统在与先进的尸网络策略作斗争.
- 为了有效检测尸网络,需要采用动态和主动的方法.
研究的目的:
- 通过结合高级特征选择和整体机器学习来开发用于尸网络检测的新型解决方案.
- 提高尸网络检测系统的准确性和适应性.
- 为确定识别尸网络活动可靠性的新基准.
主要方法:
- 混合特征选择:将分类分析,相互信息和主要组件分析结合起来.
- 整合机器学习:使用额外的树木分类器作为主要技术.
- 输入空间精细化:使用特征选择方法,为集体学习者优化数据.
主要成果:
- 在尸网络分类中实现了近乎完美的准确率99.99%.
- 证明了对新的和不断变化的尸网络现象的特殊适应能力.
- 始终达到99%以上的真实阳性率,假阳性率接近0.00%.
结论:
- 拟议的混合模型在尸网络检测方面提供了前所未有的精度和弹性.
- 这项研究为网络安全提供了转型性的一步,为可靠性树立了新的先例.
- 这些发现为开发下一代安全框架来应对尸网络透提供了蓝图.
