多重特征选择和混合采样的CatBoost入侵检测方法

摘要

本发明公开了一种能够解决数据集存在的特征冗余和类别不平衡的问题，能够提高检测精度的多重特征选择和混合采样的CatBoost入侵检测方法。该多重特征选择和混合采样的CatBoost入侵检测方法包括步骤：S1、收集数据集，得到训练集T1和测试集T2；S2、将训练集T1和测试集T2数值归一化、字符型特征数值化、标签数值化；得到训练集M1和测试集M2；S3、使用多重特征选择算法对预处理后的训练集M1和测试集M2执行特征选择；S4、对训练集Q1进行采样，得到最终混合采样出的训练集Z1；S5、对Z1进行CatBoost分类器的训练，由测试集Q2验证训练后的分类准确率、召回率、精确率、F1值。采用该多重特征选择和混合采样的CatBoost入侵检测方法能够提高对恶意流量的识别率；提高检测精度；提升入侵检测效果。