典型文献
基于贝叶斯优化LightGBM的物联网入侵检测模型
文献摘要：
为了解决物联网的入侵检测分类不准确问题,采用一种快速高效的基于决策树的梯度提升框架LightGBM,并结合贝叶斯优化思想,对其参数进行优化后,进行分类预测.为验证优化后的模型适用性,以新南威尔士大学开发的TON_IoT_Network数据集为例进行分析,并与随机森林、朴素贝叶斯和K近邻等预测结果进行比较.结果表明,该模型准确率和误报率等指标均优于其他方法,检测时间也要短于其他模型,验证了该模型的可行性及优越性,可以有效提升物联网的使用安全.
文献关键词：
物联网;入侵检测;贝叶斯优化;LightGBM模型
中图分类号：
作者姓名：
刘俊泽;汤艳君;薛秋爽
作者机构：
中国刑事警察学院
文献出处：
引用格式：
[1]刘俊泽;汤艳君;薛秋爽-.基于贝叶斯优化LightGBM的物联网入侵检测模型)[J].警察技术,2022(05):73-77
A类：
B类：
贝叶斯优化,LightGBM,入侵检测模型,检测分类,快速高效,决策树,梯度提升,优化思想,分类预测,验证优化,模型适用性,新南威尔士,TON,IoT,Network,集为,朴素贝叶斯,近邻,模型准确率,误报率,其他方法,检测时间,使用安全
AB值：
0.429736
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
