评估低频网络攻击检测中 MCC 在不平衡入侵检测数据中的应用
密码学与安全
2026-01-21 v2
摘要
在许多实际网络环境中，某些类型的网络攻击发生频率远低于良性流量，这使得入侵检测系统 (IDS) 难以可靠检测。这种不平衡导致传统评估指标，如准确率，常常高估模型在此条件下的性能，掩盖了在少数攻击类别上表现失效的现象，而这些在实际中最为重要。本文在 CSE-CIC-IDS2017 数据集上评估了一组基分类器和元分类器在低流量攻击中的可靠性，比较其在准确率和 Matthews 相关系数 (MCC) 方面的表现。结果表明，准确率始终高估了性能，而 MCC 在多数类和少数类上提供了更准确的评估。LogitBoost 和 AdaBoost 等元分类方法在 MCC 测量下展现出更有效的少数类检测能力，揭示了准确率未能捕捉的趋势。这些发现确立了不平衡感知评估的必要性，并使 MCC 成为涉及低流量网络攻击的 IDS 研究中更可信赖的指标。
关键词
引用
@article{arxiv.2512.19203,
title = {Evaluating MCC for Low-Frequency Cyberattack Detection in Imbalanced Intrusion Detection Data},
author = {Prameshwar Thiyagarajan and Chad A. Williams},
journal= {arXiv preprint arXiv:2512.19203},
year = {2026}
}