公开(公告)号：CN112688911A

公开(公告)日：2021-04-20

申请号：CN202011212124.8

申请日：2020-11-03

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  潘磊磊 ,  刘亚荣 ,  黄昕哲

IPC: H04L29/06 ,  H04L12/24 ,  G06K9/62

Abstract: 本发明公开了一种基于PCA+ADASYN和Xgboost的网络入侵检测系统，包括：数据预处理模块、数据降维模块、数据过采样模块、模型训练模块、数据检测模块；首先对输入的数据做格式化处理，其次对数据预处理模块得到的数据做降维处理，然后对降维后的数据中少数类样本进行过采样处理，使用过采样后的数据对Xgboost模型进行训练，最后使用训练好的检测模型检测数据，得出检测结果。本发明将PCA、ADASYN、Xgboost技术应用到网络入侵检测中，实现了对网络入侵的检测，克服了现有基于机器学习算法的入侵检测系统精确率低、误报率高的缺点，同时提升了对少数类攻击的检测效果，为网络入侵检测提供决策依据和技术支撑。

公开(公告)号：CN112688911B

公开(公告)日：2023-04-18

申请号：CN202011212124.8

申请日：2020-11-03

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  潘磊磊 ,  刘亚荣 ,  黄昕哲

IPC: H04L9/40 ,  H04L41/14 ,  G06F18/214 ,  G06F18/2135

Abstract: 本发明公开了一种基于PCA+ADASYN和Xgboost的网络入侵检测系统，包括：数据预处理模块、数据降维模块、数据过采样模块、模型训练模块、数据检测模块；首先对输入的数据做格式化处理，其次对数据预处理模块得到的数据做降维处理，然后对降维后的数据中少数类样本进行过采样处理，使用过采样后的数据对Xgboost模型进行训练，最后使用训练好的检测模型检测数据，得出检测结果。本发明将PCA、ADASYN、Xgboost技术应用到网络入侵检测中，实现了对网络入侵的检测，克服了现有基于机器学习算法的入侵检测系统精确率低、误报率高的缺点，同时提升了对少数类攻击的检测效果，为网络入侵检测提供决策依据和技术支撑。