基于PRF-RFECV特征优选的GA-LightGBM的网络安全态势评估

作     者：任高科 莫秀良 REN Gaoke;MO Xiuliang

作者机构：天津理工大学计算机科学与工程学院天津300384 天津市智能计算及软件新技术重点实验室天津300384 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2023年第50卷第S1期

页      面：759-764页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家基金面上-联合基金(U1536122) 科技部“科技助力经济2020”重点专项(SQ2020YFF0413781) 天津市科委重大专项(15ZXDSGX00030)。 

主　　题：网络安全态势 轻量级梯度提升机 随机森林 遗传算法 

摘      要：目前,在网络安全领域中,传统机器学习模型存在训练时间过长和对冗余特征高敏感性的缺点,已然处理不了日益复杂的网络空间。为针对海量、高维的网络安全要素,提高网络安全态势评估的精度和效率,提出了一种基于PRF-RFECV特征优选的GA-LightGBM的网络安全态势评估模型。首先利用并行随机森林筛选出的特征重要度,然后结合带有交叉验证的递归特征消除选出最优特征集,最后利用遗传算法的全局搜索特性选取轻度级梯度提升机模型的最优参数后进行分类。实验仿真表明,该模型在准确率和F1分数上均优于传统的网络安全态势评估算法,且效率更高。