文献

J-GLOBAL ID：202002233553777593   整理番号：20A2399909

ランダムフォレストとXGBoostに基づくネットワーク侵入検知モデル【JST・京大機械翻訳】

Network Intrusion Detection Model Based on Random Forest and XGBoost

著者 (2件)： Chen Zhuo (空軍工程大学信息与導航学院,陜西西安710077) ,  Lv Na (空軍工程大学信息与導航学院,陜西西安710077)
資料名： Xinhao Chuli  (Xinhao Chuli)
巻： 36  号： 7  ページ： 1055-1064  発行年： 2020年 
JST資料番号： C2154A  ISSN： 1003-0530  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 複雑なネットワーク環境における侵入検出モデルの精度とリアルタイム性を改善するために,ランダムフォレストと極度勾配リフティングツリー(XGBoost)に基づくネットワーク侵入検出モデルRF-XGBを提案した。まず第一に,ランダムフォレストアルゴリズムの計算特性の重要性の特性に従って,ハイブリッド特徴選択方式を設計して,最も価値ある特徴部分集合を選別して,XGBoostアルゴリズムにおけるコスト感受性関数を導入して,より少ないサンプルカテゴリーの検出率を改良して,グリッド方式を用いて,モデルの複雑性を減少した。シミュレーション結果により,他の機械学習アルゴリズムと比較して,提案したモデルは,より高い検出精度で,50%以上の処理時間を減少し,そして,ノイズの影響の下で,良好なロバスト性および適応性を持った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  シミュレーション ,  計算機シミュレーション ,  加工時間 ,  *ネットワーク ,  感受性 ,  特徴選択 ,  ロバスト性 ,  学習アルゴリズム
準シソーラス用語： *侵入検知 ,  複雑性 ,  検出率 ,  *ランダムフォレスト ,  検出精度 ,  *ネットワーク侵入検知 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ランダムフォレスト ,  ネットワーク侵入検知 ,  モデル