《表1 CICIDS 2017部分特征属性》
运用PCA算法对CICIDS 2017数据集进行分析,确定56个主成分能够解释93.1%的流量分类性能差异.分析这56个主成分得出表1中的前56个特征属性是影响分类的关键属性即数据包头长度、数据包总长度、数据包个数、每秒转发数据包数、两个数据包间隔等,同时得出平均空闲时间等14个属性为次要因素.又通过PCA实验对比及计算累计贡献率的方法最终确定本文PCA空间维数K为56,模型分类性能评估基于PCA的56维数据进行.而对于数据集KDD 99和实测数据,通过上述类似降维处理,K分别为19和67.
图表编号 | XD00204796300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.20 |
作者 | 张小莉、程光、张慰慈 |
绘制单位 | 山西铁道职业技术学院智能控制系、东南大学网络空间安全学院、东南大学网络空间安全学院、东南大学网络空间安全学院 |
更多格式 | 高清、无水印(增值服务) |