数据预处理与超参数优化对应用于入侵检测系统的机器学习模型性能影响
密码学与安全
2024-07-17 v1 人工智能
机器学习
摘要
在现代通信网络的网络安全语境下，入侵检测系统（IDS）不断得到改进，其中许多系统已融合机器学习（ML）技术以识别威胁。尽管已有研究聚焦于这些技术应用于IDS的场景，但当前尚缺乏专门评估数据预处理操作及机器学习算法参数优化对威胁识别模型构建影响的研究。本文旨在填补这一研究空白。为此，本文开展了实验研究，使用两个数据集，对比不同的预处理技术和参数优化方法。结果表明，正确应用这些技术总体上会使生成的分类模型更加稳健，并且大大缩短了这些模型训练和测试过程的执行时间。
引用
@article{arxiv.2407.11105,
title = {Impacts of Data Preprocessing and Hyperparameter Optimization on the Performance of Machine Learning Models Applied to Intrusion Detection Systems},
author = {Mateus Guimarães Lima and Antony Carvalho and João Gabriel Álvares and Clayton Escouper das Chagas and Ronaldo Ribeiro Goldschmidt},
journal= {arXiv preprint arXiv:2407.11105},
year = {2024}
}