Indexed by：
Abstract：
针对现有的入侵检测方法准确率低的问题,文章提出了一种基于PCA(Principal Component Analysis,主成分分析法)和随机森林分类的入侵检测算法.该算法思想是对训练数据先清洗后分类,首先通过主成分分析法对数据进行特征降维和降噪,然后对处理后的数据使用随机森林分类器进行分类训练.实验使用基于Python的机器学习库scikit-learn,并采用20％的NSL KDD数据集.实验结果表明,与常用的基于机器学习的入侵检测技术相比,文章提出的入侵检测算法可更有效地提高检测的准确性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
信息网络安全
ISSN： 1671-1122
CN： 31-1859/TN
Year： 2017
Issue： 11
Page： 50-54
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
