典型文献
基于特征选择的物联网设备流量异常检测算法
文献摘要：
针对近年来物联网设备频繁受到僵尸网络(Botnet)攻击的问题,提出一种基于随机森林(random forests,RF)的包裹式特征选择方法RFCVFS(random forests cross validation feature selection),通过筛选合适的特征降低待检测数据的维度,达到提高模型检测效率的目的.实验结果表明,使用RFCVFS为9台不同的物联网设备分别筛选出有效特征并组成待检测数据,模型的训练时间最大降低82.67％,检测时间最大降低28.49％;对比PCA(principal component analysis)方法,其检测结果的准确率、真正率、F1、AUC(area under curve)分别最大可以高出13.82％、0.48％、7.63％、29.51％.
文献关键词：
僵尸网络;流量特征;特征选择;异常检测;随机森林
中图分类号：
作者姓名：
刘祥军;江凌云
作者机构：
南京邮电大学 通信与信息工程学院,江苏 南京 210003;江苏省物联网技术与应用协同创新中心 智慧家居安防分中心,江苏 南京 210003
文献出处：
引用格式：
[1]刘祥军;江凌云-.基于特征选择的物联网设备流量异常检测算法)[J].计算机工程与设计,2022(08):2153-2161
A类：
Botnet,RFCVFS
B类：
特征选择,物联网设备,流量异常,异常检测,检测算法,僵尸网络,random,forests,选择方法,cross,validation,feature,selection,过筛,检测数据,模型检测,检测效率,有效特征,训练时间,检测时间,principal,component,analysis,area,under,curve,流量特征
AB值：
0.395097
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
