基于Stacking模型融合的网络异常事件监测

摘要：

随着云计算和人工智能的飞速发展,各种智能化的服务使大量数据在网络节点之间传输.然而,网络威胁,网络攻击和网络入侵在各种网络环境中大量增加.基于数据科学和机器学习,文章使用一系列涉及数据预处理、新特征创建、集成学习、Stacking模型融合等技术,以识别可疑的网络事件.提出了一种Stacking模型融合方法以提高网络异常事件识别的准确率,其中单一的模型包括XGBoost、CatBoost、LightGBM、RandomForest.通过整合机器学习和数据科学相关技术,以提高网络异常事件识别率,实验结果表明该方法比单一的机器学习模型有更高的准确率.

关键词：网络异常事件、集成学习、网络安全、机器学习

所属期刊栏目：37

分类号：TP393(计算技术、计算机技术)

资助基金：互联网自然语言智能处理四川省高等学校重点实验室项目INLP201909

在线出版日期：2022-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：44-47