QBSO-FS

QBSO-FS方法通过优化特征选择增强防火墙日志分析

研究人员开发了一种名为QBSO-FS的新型特征选择方法，该方法结合了蜂群优化和Q学习，以改进防火墙日志分析。该方法在UCI互联网防火墙数据集上使用随机森林、k近邻和伯努利朴素贝叶斯等分类器进行了测试。QBSO-FS方法成功识别出一小组特征，显著提高了分类准确率和Macro-F1分数，特别是对于去重数据上的随机森林，准确率达到99.90%，Macro-F1达到94.88%。