基于CNN-PCA-XGBoost的网络异常流量检测方法  

作　　者：张庆洁 王小英[1] 李春辉 高宁康 梁嘉烨 

机构地区：[1]防灾科技学院,河北三河065200

出　　处：《电子制作》2024年第14期69-72,共4页Practical Electronics

摘　　要：网络入侵检测系统是网络安全的关键组成部分,异常流量检测是入侵检测的重要技术。本文针对传统检测模型误报率较高、效率低的问题,提出一种全新的异常流量检测模型CNN-PCA-XGBoost。利用CNN在特征提取上的优势,对流量特征进行初步提取,PCA在保留原数据重要成分基础上做进一步特征降维;结合高精度的XGBoost分类器,解决在CNN中使用softmax分类导致的准确度不高问题,从而提高网络异常流量的检测率。利用在公开数据集上对该方法进行实验评估。实验表明,该方法优于其他异常检测方法,对异常流量的检测准确率高达99.90%。与传统的PCA-XGBoost方法相比,准确率提升了3.6%。

关 键 词：CNN PCA 特征提取 XGBoost 网络异常流量检测 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术]