混合隔离森林——在网络入侵检测中的应用
机器学习
2018-10-30 v1
摘要
从识别隔离森林（IF）算法中限制其在异常检测领域使用的缺陷出发，我们提出两个扩展，首先克服前述局限，其次赋予其一定的监督学习能力。由此得到的混合隔离森林（HIF）首先在合成数据集上评估，以分析所引入新元参数的影响，并验证 IF 算法的上述局限被有效克服。随后我们在 ISCX 基准数据集上比较两种算法，应用于网络入侵检测场景。我们的实验表明 HIF 优于 IF，并且以计算效率挑战单类和两类 SVM 基线。
引用
@article{arxiv.1705.03800,
title = {Hybrid Isolation Forest - Application to Intrusion Detection},
author = {Pierre-François Marteau and Saeid Soheily-Khah and Nicolas Béchet},
journal= {arXiv preprint arXiv:1705.03800},
year = {2018}
}
备注
24 pages, working paper