新的Choquet积分框架提高了网络异常检测的准确性

研究人员开发了一种新颖的网络异常检测框架，该框架利用广义的基于Choquet积分的特征聚合方法。该方法旨在通过自适应加权和增量选择特征来减少冗余，从而提高高维网络流量数据中异常检测的准确性。使用随机森林和XGBoost分类器的实验表明，所提出的聚合技术可以将准确性提高多达7%，同时显著减少数据量，在特征可用性有限和带宽受限的情况下尤其有效。 AI

影响 这项研究可能导致更高效、更准确的实时入侵检测系统，尤其是在带宽有限的环境中。

排序理由 该条目是一篇学术论文，详细介绍了一种新的网络异常检测方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• Bruno Dalmazo Ph.D.
• CatalyzeX Code Finder for Papers
• Choquet integral
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• random forest
• ScienceCast
• XGBoost

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →