文献类型：期刊文章

作　　者：刘江豪[1] 张安琳[3] 黄子奇[2] 黄道颖[1] 陈孝文[1]

LIU Jiang-hao;ZHANG An-lin;HUANG Zi-qi;HUANG Dao-ying;CHEN Xiao-wen(College of Computer and Communication Engineering,Zhengzhou University of Light Industry,Zhengzhou 450000,China;North Information Control Reseasrch Academy Group Co.,Ltd.,Nanjing 211153,China;Engineering Training Center,Zhengzhou University of Light Industry,Zhengzhou 450000,China)

机构地区：[1]郑州轻工业大学计算机与通信工程学院,郑州450000 [2]北方信息控制研究院集团有限公司,南京211153 [3]郑州轻工业大学工程训练中心,郑州450000

出　　处：《火力与指挥控制》

基　　金：国家科技支撑计划基金资助项目(2006BAK01A38)。

年　　份：2021

卷　　号：46

期　　号：7

起止页码：155-162

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：测试数据集的质量对入侵检测系统的性能起着至关重要的作用,在保证质量的前提下对入侵检测数据集优化降维,是提高入侵检测系统高效准确运转的重要措施。使用K近邻、决策树、随机森林和Softmax分类算法,对CSE-CIC-IDS2018入侵检测数据集进行特征维数探究,按照特征重要性评分对分类器进行特征递减式训练,分析机器学习分类器对该数据集的特征维数依赖关系。结果表明,数据集的特征数量由83个减少至最低7~9个时,分类器仍可以保持较高的分类性能,且检测时间显著减少,计算效率更高。

关 键 词：入侵检测 数据集 机器学习  分类器 降维

分 类 号：TP393]