基于SMOTE算法和集成学习的恶意流量检测方法

摘要

本发明提出一种基于SMOTE算法和集成学习的恶意流量检测方法，旨在保证恶意流量检测准确率的基础上，解决因良性及恶意流量不均衡导致的恶意流量检测召回率较低的技术问题，实现步骤为：获取良性流量和恶意流量；提取所获流量的统计特征，得到恶意流特征向量和良性流特征向量，构成训练集和测试集；对恶意流特征向量进行聚类；采用KNN近邻算法算出每个聚类簇的危险点，删除危险点获得安全聚类簇；优化SMOTE算法；采用优化后的SMOTE算法以聚类簇簇心为中心，簇内任一样本为参照样本插值生成新样本；添加新样本到训练集中获得平衡训练集；构建集成学习分类器模型；通过多数类投票法获取测试集的预测标签。