.png){kind=icon}
返回
DSEM-NIDS: Enhanced Network Intrusion Detection System Using Deep Stacking Ensemble Model
.png){kind=icon}
OA
AI
DOI：10.1109/OJCS.2025.3581036.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
部署网络入侵检测系统（NIDS）的需求至关重要，并且对于所有网络（无论是有线、无线还是混合网络，其用途是商业、医疗、国防还是社会）都变得越来越必要。由于互联网上的数据传输量每年都在增加，使用单一模型作为IDS来保障网络安全是不够的，因为它可能存在许多问题，如高偏差或高方差，从而导致高漏报率和误报率。在本文中，我们提出了一种基于集成学习的NIDS（DSEM-NIDS）；该系统是一个具有嵌套结构的深度堆叠模型，能够以低误报率和低漏报率实现高性能。使用了四个数据集作为基准来评估所提出的模型：5G-NIDD、UNR-IDD、N-BaIoT和NSL-KDD数据集。结果表明，所提出的深度堆叠模型具有鲁棒性、良好的可扩展性、区分类别的能力以及适应不同输入数据的灵活性，并且其性能优于其他使用的模型。
Keyword:
Deep stacking
ensemble learning
machine learning
network intrusion detection system
期刊
I
IF:
8.2
论文数:
411
被引数:
810
机构
引用论文
.png){kind=icon}
分享收藏分享收藏An intrusion detection system based on stacked ensemble learning for IoT network*基于堆叠集成学习的物联网入侵检测系统 *
PREAI
分享收藏
查看更多内容