《表4 NTADM-FS特征选择结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于特征选择的网络流量异常检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为验证NTADM-FS有效性，与文献[11，16]所提方法以及使用4个二分类器串行分类方法进行比较，对NTADM-FS、文献[10]以及串行方法都使用SFS算法进行特征选择，各方法使用的特征集如表4、表5、表6所示。文献[10]随机森林树木数量设置为150；文献[16]自编码器结构设置为28-25-20-15-10-5，学习率为0.01，训练迭代次数为50，SVM错误项惩罚系数设置为1000，核函数为径向基函数，gamma值设置为0.000 01；串行分类方法使用Bernoulli NB分类器识别正常流量，使用Random Forest分类器识别Do S类型流量，使用SVM分类器识别Probe类型流量，错误项惩罚系数设置为1，核函数为线性核函数，使用Bernoulli NB分类器对R2L和U2R两类流量进行区分。