| 基于遺傳算法和LightGBM的網絡安全態勢感知模型 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大?。?span>1599 K | |
| 標簽： 異常檢測 機器學習 遺傳算法 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對傳統煙草工業系統中的網絡流量異常檢測方法存在的特征間聯系和上下文信息丟失等問題，提出了一種基于遺傳算法改進的LightGBM模型，此模型能夠使得模型避免陷入局部最優情況。首先通過計算構建樹模型對數據降維，從高維數據中挖掘出對于檢測效果影響重要的關鍵特征信息，并使用提出的模型對這些關鍵特征信息進行分析。為了評估模型的有效性與優越性，使用準確率和損失進行模型評價，并與其他網絡流量異常檢測模型Tabular model、TabNet、LightGBM、XGBoost進行對比。使用公開數據集 CICIDS2018 進行實驗分析。結果表明，在高特征的網絡安全態勢感知下，多分類和二分類的識別準確率分別達9943%和9987%，在低特征情況下，多分類和二分類的識別準確率分別達9873%和9939%，具有較高準確率以及良好的靈活性和魯棒性。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2