一个优化的整体模型,具有高级功能选择,用于网络入侵检测和检测
Afaq Ahmed1, Muhammad Asim2, Irshad Ullah1
1School of Computer Science and Engineering, Central South University, Changsha, Hunan, China.
PeerJ. Computer science
|December 9, 2024
概括
本研究介绍了优化随机森林 (Opt-Forest) 用于先进的网络入侵检测. 通过有效识别复杂的网络威胁,Opt-Forest增强了安全系统的性能,优于传统方法.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 人工智能的人工智能
背景情况:
- 现代网络面临着不断发展的网络威胁.
- 传统的入侵检测系统难以应对复杂的攻击.
- 需要具有弹性和适应性的网络入侵检测系统 (NIDS).
研究的目的:
- 为改进威胁检测开发一个增强的NIDS模型.
- 为了引入优化随机森林 (Opt-Forest) 组合模型.
- 提高NIDS对当代网络威胁的适应性和弹性.
主要方法:
- 开发了优化随机森林 (Opt-Forest) 模型.
- 综合遗传算法 (GA) 用于决策森林建设.
- 采用了高级功能选择:最佳搜索,PSO,进化搜索和遗传搜索.
主要成果:
- 与传统的ML模型 (AbM1,KNN,J48,MLP,SGD,NB,LMT) 相比,Opt-Forest表现出更高的性能.
- 基于GA的方法促进了更广泛的勘探,并避免了更准确的树木的局部最佳.
- 在网络入侵检测中实现了更高的准确性和减少了虚假警报.
结论:
- 该Opt-Forest模型显著增强了NIDS的能力.
- 遗传算法可以提高决策树的准确性和紧性.
- 拟议的方法为检测不断变化的网络威胁提供了强大的解决方案.
