典型文献
基于深度提升网络的入侵检测技术研究
文献摘要：
为了在入侵检测时得到更高的精确率,使用极限梯度提升决策树XGBoost和梯度提升决策树GBDT构成集成学习的深度提升模型.利用CICIDS2017数据集对该模型进行实验,结果表明:与传统的5种方法相比,该方法在二分类和多分类任务上都表现出良好的检测效果.
文献关键词：
入侵检测;集成学习;多假设;相对多数投票;重构误差;CICIDS2017数据集
中图分类号：
作者姓名：
张如雪;缪祥华
作者机构：
昆明理工大学信息工程与自动化学院;昆明理工大学云南省计算机技术应用重点实验室
文献出处：
引用格式：
[1]张如雪;缪祥华-.基于深度提升网络的入侵检测技术研究)[J].化工自动化及仪表,2022(06):787-793
A类：
B类：
入侵检测技术,精确率,极限梯度提升,梯度提升决策树,XGBoost,GBDT,集成学习,CICIDS2017,二分类,多分类,分类任务,检测效果,多假设,相对多数投票,重构误差
AB值：
0.443683
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。
