文献

J-GLOBAL ID：202202283478751204   整理番号：22A0991814

XGBoost-RFのモノネット侵入検知モデル【JST・京大機械翻訳】

Intrusion Detection Model of Internet of Things Based on XGBoost-RF

著者 (3件)： Qiao Nan (哈爾浜師范大学 計算机科学与信息工程学院,哈爾浜150025) ,  Li Zhenxing (哈爾浜師范大学 网絡中心,哈爾浜150025) ,  Zhao Guosheng (哈爾浜師范大学 計算机科学与信息工程学院,哈爾浜150025)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 43  号： 1  ページ： 152-158  発行年： 2022年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  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： ネットワーク侵入検出におけるデータ不均衡による分類の不正確な問題に照準を定めて,本論文は,極度勾配リフティングツリーとランダムフォレストに基づくネットワーク侵入検出モデルを提案した。まず第一に,データ正規化を,インターネットアプリケーション環境における大量のデータのために実施した。次に,XGBoostアルゴリズムを利用して,その特徴の重要度を評価し,最適特徴を選択した。最後に,改良ランダムフォレストアルゴリズムと組み合わせて,データ不均衡による分類の不正確な問題を解決した。シミュレーション実験は,提案したモデルが,データ最適特徴選択と合理的検出分類を効果的に実行でき,RFアルゴリズム,SVMアルゴリズム,Tree-SVMモデル,およびRF-GDBTモデルと比較して,提案モデルの検出精度が効果的に改善されることを示した。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 ,  検出 ,  シミュレーション ,  データ ,  ネットワーク ,  特性 ,  非平衡状態 ,  特徴選択 ,  計算機アルゴリズム ,  *モデル ,  正規化
準シソーラス用語： 不均衡 ,  ランダムフォレスト ,  *侵入検知システム ,  検出精度 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： ネット ,  侵入検知 ,  モデル