基于Stacking模型融合的网络异常事件监测 |
| |
引用本文: | 张建东,刘才铭,李勤.基于Stacking模型融合的网络异常事件监测[J].乐山师范学院学报,2022(8):44-47. |
| |
作者姓名: | 张建东 刘才铭 李勤 |
| |
作者单位: | 1. 乐山师范学院电子信息与人工智能学院;2. 乐山师范学院网络安全智能检测与评估实验室 |
| |
摘 要: | 随着云计算和人工智能的飞速发展,各种智能化的服务使大量数据在网络节点之间传输。然而,网络威胁,网络攻击和网络入侵在各种网络环境中大量增加。基于数据科学和机器学习,文章使用一系列涉及数据预处理、新特征创建、集成学习、Stacking模型融合等技术,以识别可疑的网络事件。提出了一种Stacking模型融合方法以提高网络异常事件识别的准确率,其中单一的模型包括XGBoost、Cat Boost、Light GBM、Random Forest。通过整合机器学习和数据科学相关技术,以提高网络异常事件识别率,实验结果表明该方法比单一的机器学习模型有更高的准确率。
|
关 键 词: | 网络异常事件 集成学习 网络安全 机器学习 |
|
|