《表5 抽样前后样本数量:基于多种特征选择策略的入侵检测模型研究》
为了进一步验证我们提出的方法不仅在二分类中取得较好的结果,在多类分类中也获得良好的效果,因此我们将本文提出的方法进行多类分类研究.由于在网络流量中入侵行为比正常行为要少得多,所以将正常流量进行抽样,降低正常流量样本的数量,对数据进行平衡.抽样方法主要分为随机抽样和不平衡数据抽样2种.我们选择随机抽样中的分层抽样方法对正常流量数据样本抽样,分层抽样能明显地降低抽样误差,我们将正常流量总样本数量的50%进行抽取,异常流量样本数量保持不变.抽样后的样本数量如表5所示:
图表编号 | XD00212319600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.05 |
作者 | 陈瑜 |
绘制单位 | 燕山大学信息科学与工程学院、河北省软件工程重点实验室 |
更多格式 | 高清、无水印(增值服务) |