TY -的A2邹赛盟——挂Feilu盟——郭魏盟——陈Hexiong AU -谢,临江AU -白,小玉盟——刘,姚PY - 2023 DA - 2023/04/08 TI -基于Multiclassifier融合技术的网络异常入侵检测模型SP - 1594622六世- 2023 AB -随着物联网的发展,网络安全已经吸引了越来越多的关注。在众多的网络安全技术,基于网络流量异常检测技术已成为一个重要的研究领域。目前,大量的网络异常检测方法。大部分的更好的性能检测方法是基于监督机器学习算法,它需要大量的标签数据对模型的训练。然而,在实际的网络中,是不可能手动过滤器和标签大规模的交通数据。网络管理员只能使用非监督机器学习算法对实际检测和检测效果要比监督学习算法。改善无监督检测方法的准确性,本研究提出了一种基于多分类器融合技术的网络异常检测模型,它适用于不同的融合技术(如多数投票、加权多数投票和朴素贝叶斯)融合的检测结果五个表现最好的无监督异常检测算法。在三个公共数据集进行比较实验。实验结果表明,在回忆和AUC得分,在这项研究中提出的融合模型实现更好的性能比五个独立基线异常检测算法,它具有更好的鲁棒性和稳定性,可有效地应用于广泛的网络异常检测场景。SN - 1574 - 017 - 2023/1594622 / 10.1155 x你——https://doi.org/10.1155/2023/1594622——摩根富林明-移动信息系统PB - Hindawi KW - ER