一种基于PCA+ADASYN和Xgboost的网络入侵检测系统技术方案

本发明专利技术公开了一种基于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。本发明专利技术将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。检测提供决策依据和技术支撑。检测提供决策依据和技术支撑。

【技术实现步骤摘要】
一种基于PCA+ADASYN和Xgboost的网络入侵检测系统


[0001]本专利技术属于网络入侵检测
，具体涉及一种基于PCA+ADASYN和Xgboost的网络入侵检测系统。

技术介绍

[0002]面对日益恶化的网络环境，为保护网络安全，学者们提出了很多安全技术方案，如数字签名、防火墙等网络安全保护措施。但是，依靠单一的防御技术是无法保证网络安全的。于是，有专家提出了网络入侵检测系统。
[0003]网络入侵检测(NIDS)系统通过监视网络流量和收集数据包来分析可能的事件。NIDS是一种主动防御技术，对网络中的事件进行实时监控，可以弥补防火墙等被动防御措施的不足，提高网络安全性。近年来，网络入侵检测技术已经成为国内外学者研究的重要课题之一，机器学习算法在入侵检测领域得到了广泛的应用。相继有人将随机森林、KNN、SVM等方法应用于网络入侵检测中，并且取得了不错的检测效果。但是这些方法对于出现次数少的攻击类型检测方面存在误报率高、精确率低等问题。
[0004]因此，面对复杂多变的网络环境，建立自主学习能力强的网络入侵检测系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PCA+ADASYN和Xgboost的网络入侵检测系统，其特征在于包括：数据预处理模块、数据降维模块、数据过采样模块、模型训练模块和数据检测模块；数据预处理模块与数据降维模块相连，数据降维模块与数据过采样模块相连，数据过采样模块与模型训练模块相连，模型训练模块与数据检测模块相连；所述数据预处理模块，用于对输入的数据做格式化处理，包括字符串特征数值化、数据归一化；所述数据降维模块，用于对数据预处理模块得到的数据做降维处理，采用PCA方法；所述数据过采样模块，用于对降维后的数据中少数类样本进行过采样处理，采用ADASYN方法；所述模型训练模块，使用过采样后的数据对Xgboost模型进行训练；所述数据检测模块，使用训练好的检测模型检测数据。2.根据权利要求1所述的一种基于PCA+ADASYN和Xgboost的网络入侵检测系统，其特征在于：所述输入的数据为KDD CUP99数据集中10％训练子集和correct子集。3.根据权利要求1所述的一种基于PCA+ADASYN和Xgboost的网络入侵检测系统，其特征在于：所述数据预处理模块，首先将输入数据集中的协议类型、网络连接状态、网络服务类型、攻击类型这几字段的值转为数值型，即字符串特征数值化；然后使用z
‑
score对数据进行归一化处理，得到标准数据集；所述z
‑
score为所述为原始数据的均值，σ为原始数据的标准差；所述标准数据集包括经过字符串特征数值化和归一化处理的10％训练子集和correct子集。4.根据权利要求1所述的一种基于PCA+ADASYN和Xgboost的网络入侵检测系统，其特征在于：所述数据降维模块，使用PCA算法对数据预处理模块得到的标准数据集进行降维处理；首先将原始数据m条n维组成n行m列矩阵X，对X的每一...

【专利技术属性】
技术研发人员：谢晓兰，潘磊磊，刘亚荣，黄昕哲，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：