计算机应用

作者：徐精诚, 陈学斌, 董燕灵, 杨佳

单位：1.华北理工大学 理学院, 河北 唐山 063210；2.河北省数据科学与应用重点实验室(华北理工大学), 河北 唐山 063210；3.华北理工大学 唐山市数据科学重点实验室, 河北 唐山 063210

关键词：分布式拒绝服务,特征选择,基尼系数,平均不纯度算法,随机森林算法

基金：国家自然科学基金资助项目(U20A20179)

现有基于机器学习的分布式拒绝服务（DDoS）攻击检测方法在面对愈发复杂的网络流量、不断升维的数据结构时，检测难度和成本不断上升。针对这些问题，提出一种融合特征选择的随机森林DDoS攻击检测方法。该方法选用基于基尼系数的平均不纯度算法作为特征选择算法，对DDoS异常流量样本进行降维，以降低训练成本、提高训练精度；同时将特征选择算法嵌入随机森林的单个基学习器，将特征子集搜索范围由全部特征缩小到单个基学习器对应特征，在提高两种算法耦合性的同时提高了模型精度。实验结果表明，融合特征选择的随机森林DDoS攻击检测方法训练所得到的模型，在限制决策树棵数和训练样本数量的前提下，召回率相较于改进前提升21.8个百分点，F1-score值提升12.0个百分点，均优于传统的随机森林检测方案。

来源：2023年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第11期