基于随机k-近邻集成算法的网络流量入侵检测

为了提高网络入侵检测模型的准确率与泛化性，提出基于随机k-近邻集成算法的网络流量入侵检测模型。首先，该模型提出一种集成赋权距离，来提高预测精度；其次，采用一种随机策略的集成方法对k-近邻模型进行集成，从而提高了其在异常检测过程中的全局和局部优化能力；然后，利用并行计算的方法提高了算法运行的效率；最后，构建了基于随机k-近邻集成算法的网络入侵检测模型，并采用KDD99数据集进行实验。实验结果表明，基于随机k-近邻集成算法相对于其他模型具有更好的检测效果，准确率和召回率分别达到99.05%和91.96%。