一种基于二次特征筛选的拒绝服务攻击随机森林检测方法

摘要

本发明公开了一种基于二次特征筛选的拒绝服务攻击随机森林检测方法，包括：实时采集网络通信中的流量数据，归一化处理流量数据，得到特征数据集；利用随机森林特征重要度准则，计算特征数据集的变量重要性评分和累积重要性，完成一次最佳特征的提取；对分类模型进行训练得到二次最佳特征，二次采用随机森林特征重要度准则，得出一组新的重要特征并将其定义为分类模型的最终变量；再训练分类模型得到优化模型集，选出频率最高的模型组作为网络流量的分类检测模型。本发明具有较高的实时性和准确度，可以有效去除异常点的影响，避免局部最优，实现对正常流量以及各种DDoS攻击流量的精准分类，是一种适用于大数据下的有效的DDoS攻击检测技术。