融合随机森林与Bagging算法的流量异常检测研究  

作　　者：杨小青 

机构地区：[1]山西工程科技职业大学计算机工程学院,山西晋中030619

出　　处：《电脑编程技巧与维护》2024年第12期173-176,共4页Computer Programming Skills & Maintenance

基　　金：山西省高等学校科技创新项目(2023L422);横向课题:基于集成式机器学习的加密流量技术研究。

摘　　要：虽然互联网环境受到加密协议的保护,但攻击者也会通过受保护的通信渠道发起网络攻击,因此能准确识别并捕捉异常加密流量有益于网络通信安全。针对加密流量数据特性与复杂性,传统的单一分类器难以全面获取其中的所有模式与特征。提出了一种基于融合改进的随机森林算法与改进的Bagging算法的集成式机器学习的加密流量异常检测技术。采用网络加密流量的特征提取方法,研究提取了数据流包数相关的关键特征,并将这些特征作为样本输入集成式机器学习模型进行训练。模型对加密流量特征进行分类检测,判断其是否存在异常,通过加权求和融合检测结果,实现对加密流量异常的精确识别。实验结果表明,该技术具备较高的加密流量异常检测精度。

关 键 词：加密流量 特征提取 改进随机森林 改进Bagging算法 异常检测 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]