.png){kind=icon}
返回
Leveraging stacking machine learning models and optimization for improved cyberattack detection
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-01052-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
日益增多的复杂网络攻击要求需要高级别的入侵检测系统（IDS）。虽然现有研究涉及网络数据分析的传统、混合和集成方法，但在生成鲁棒且高度准确的检测系统方面仍面临严峻挑战。由于当前方法在处理少数类与多数类的数据不平衡问题以及分类准确率中的高误报率方面存在局限性，因此在管理高维网络流量方面存在重大障碍。本研究介绍了一个创新框架，通过一种新颖的入侵检测方法直接应对这些持续存在的挑战。所提出的方法集成了两种机器学习模型：J48和ExtraTreeClassifier用于分类。此外，我们提出了一种改进的平衡优化器（EO）方法，对之前的EO进行了修改。在该增强型平衡优化器（EEO）中，Fisher得分和K-Nearest Neighbors（KNN）算法的准确率得分用于最优地选择属性，而合成少数过采样技术与迭代分区过滤器（SMOTE-IPF）结合使用以提供类别平衡。KNN技术还用于数据插补以提高整个系统的准确率。该框架的卓越性能已在多个基准数据集上通过实验验证，即NSL-KDD和UNSW-NB15，分别实现了99.7%和98.1%的准确率以及99.6%和98.0%的F1分数。通过对系统进行与近期最先进工作的比较分析，本文表明所提出的方法在特征选择精度、分类准确率、少数类实例处理、低存储需求和计算效率方面均取得了更好的改进。
Keyword:
IDS
Stacking ML
UNSW-NB15
NSL-KDD
Optimization
SMOTE
期刊
IF:
3.9
论文数:
27.9W
被引数:
83.5W
机构
引用论文
.png){kind=icon}
A Secure Intrusion Detection Platform Using Blockchain and Radial Basis Function Neural Networks for Internet of Drones基于区块链和径向基函数神经网络的无人机网络安全入侵检测平台
PREAI
分享收藏A Two-Layer Soft-Voting Ensemble Learning Model For Network Intrusion Detection一种用于网络入侵检测的两层软投票集成学习模型
PREAI
分享收藏Role of swarm and evolutionary algorithms for intrusion detection system: A survey群算法和进化算法在入侵检测系统中的作用: 综述
PREAI
分享收藏
查看更多内容