基于随机森林和XGBoost的网络入侵检测模型
来源：信号处理杂志 2020年第7期北京时间：
作者：陈卓, 吕娜
摘要：为提高复杂网络环境中入侵检测模型的准确性和实时性，提出一种基于随机森林和极端梯度提升树（XGBoost）的网络入侵检测模型RF-XGB。首先针对随机森林算法计算特征重要性的特点，设计混合特征选择方法高效筛选出最有价值的特征子集；在XGBoost算法中引入代价敏感函数来提高对少样本类别的检测率，使用网格法调参降低模型复杂度。实验仿真结果表明，与其它机器学习算法相比，所提出的模型在具备更高检测精度的情况下减少了50%以上的处理时间，并在噪声影响下具有较好的鲁棒性和自适应性。
关键词：入侵检测, 特征选择, 随机森林, 极端梯度提升树, 代价敏感函数
