Jan, 2024
基于机器学习的网络入侵检测在大规模和不平衡数据上的应用:过采样、堆叠特征嵌入和特征提取
Machine learning-based network intrusion detection for big and imbalanced data using oversampling, stacking feature embedding and feature extraction
Md. Alamin Talukder, Md. Manowarul Islam, Md Ashraf Uddin, Khondokar Fida Hasan, Selina Sharmin...
TL;DR我们介绍了一种基于机器学习的网络入侵检测模型,使用随机过采样处理数据不平衡并基于聚类结果进行堆叠特征嵌入,以及使用主成分分析进行维度约简,特别适用于大规模和不平衡的数据集,并在三个现阶段的基准数据集:UNSW-NB15、CIC-IDS-2017 和 CIC-IDS-2018 上进行了评估,结果表明该模型的性能持续优于现有技术,证明了该方法在网络入侵检测领域的重要进展和有效性。