来源：期刊VIP网 时间：
作者：徐伟;冷静;
单位：武汉大学;湖北警官学院信息技术系;
摘要：针对网络规模较大导致的检测过程性能波动大、潜在攻击行为识别精度较差等问题，文中提出基于改进孤立森林的大规模网络入侵攻击检测方法。构建大规模网络入侵攻击检测框架，采集并预处理大规模网络数据，基于关联的特征选择方法提取大规模网络流量特征，输送至入侵攻击检测模块。入侵攻击检测模块采用改进孤立森林算法，通过隔离树遍历网络流量特征数据计算特征数据异常得分，准确隔离异常数据点，实现攻击检测。一旦检测出异常点，日志告警模块发送警报，并在规则库中记录相应的规则。实验结果证明，该方法的异常分值计算结果均在0.79～0.99，能够准确识别入侵攻击流量，并且检测准确率均超过99%。
关键词：改进孤立森林;;大规模网络;;入侵攻击;;分割点;;流量特征;;异常得分;;特征选择
基金资助：湖北省教育科学规划2022年度重点课题(2022GA056);; 湖北省高等教育学会2022年度重点课题(2022XC58);; 湖北警官学院2023年度教学研究重点课题(JYXM2023A11)
