买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：兰州交通大学

摘要：本发明公开了一种基于多层分类策略的随机森林入侵检测方法，首先对入侵检测数据进行预处理，然后计算预处理后的测试集中每个样本类别间的相似度，根据相似度将特征相似的类聚集为超类，通过随机森林的算法进行分类；该层分类完成后，再将超类继续送入下一层中重新划分超类，直到所有类别分类完毕。本发明以随机森林作为基本单元构建多层模型，通过在不同层划分出不同的超类，每一层使用不同的特征选择算法，使每一层的样本划分都能够匹配最适合的特征子集。与随机森林入侵检测相比，本发明的入侵检测方法能够解决样本类别分布不均匀的问题，提升对小样本类别分类的准确率。

主权项：1.一种基于多层分类策略的随机森林入侵检测模型的生成方法，其特征在于，包括以下步骤：1对入侵检测数据进行预处理，包括畸形样本处理、分类数据和时序数据编码、数据尺度缩放以及特征选择和提取；2构建多层分类模型①计算预处理后的测试集中每个样本类别间的相似度，根据相似度将特征相似的类聚集为超类；②将所述超类作为一个分层，通过随机森林的算法进行分类，对超类分类的模型决策节点进行特征子集的选择；所述随机森林的算法如下：a.设训练集为T，包含N个样本，即T＝{t1,t2,...tN}，设特征集为F，有M维特征，即F＝{f1,f2,...fM}，类别集合为C，有L种类别，即C＝{c1,c2,...cL}，测试集为D，有λ个测试样本，即D＝{d1,d2,...cλ}；b.从容量为N的训练集T中，采用自助抽样法，即有放回地抽取N个样本，作为一个训练子集Tk；c.对于训练子集Tk，从特征集F中无放回地随机抽取m个特征，其中m＝log2M，作为决策树上的每个节点分裂的依据，从根结点开始，自上而下生成一个完整的决策树Sk，不需要剪枝；d.重复n次步骤a和b，得到n个训练子集T1,T2,...Tn，并生成决策树S1,S2,...Sn，将n个决策树组合起来，形成随机森林；e.将测试集D的样本dμ输入随机森林中，让每个决策树对dμ进行决策，然后采用多数投票法对决策结果投票，最终决定dμ的分类；f.重复λ次步骤e，直到测试集D分类完成；③根据选择的特征子集对该层超类进行类别分割；④对分割后的单个超类送入下一层中，并根据单个超类中每个样本类别间的相似度重新划分超类，重复步骤②和③，逐渐迭代至超类只包含每一个小类，完成测试集分类。

全文数据：

权利要求：

百度查询： 兰州交通大学 一种基于多层分类策略的随机森林入侵检测方法