您所在的位置: 成果库 基于两阶段随机森林算法的网站恶意用户预测方法

基于两阶段随机森林算法的网站恶意用户预测方法

成果类型:: 发明专利

发布时间: 2023-12-28 08:46:55

科技成果产业化落地方案
方案提交机构:成果发布人| 涂媛 | 2023-12-28 08:46:55

本发明公开一种基于两阶段随机森林算法的网站恶意用户预测方法,通过考虑特征之间的相关性的同时还考虑特征之间的交互作用,即在决策树进行节点划分时不是仅使用一个最优特征而是使用多个特征的组合,因此可增强数据特征提供的信息量从而提高决策树的精度,然后使用以上的决策树作为基分类器构造出两阶段随机森林,从而识别网站恶意用户可能通过多个非敏感操作的组合完成以往检测方案无法检测的攻击的问题。

本发明所要解决的是现有网站恶意用户检测方案存在检测精度不高的问题,提供一种基于两阶段随机森林算法的网站恶意用户预测方法。为解决上述问题,本发明是通过以下技术方案实现的:基于两阶段随机森林算法的网站恶意用户预测方法,包括步骤如下:步骤1、令用于训练预测网站恶意用户任务的两阶段随机森林的用户训练数据集中每一个样本权重为1/Q;步骤2、在步骤1所确定的用户训练数据集中每一个样本权重的基础上,对用户训练数据集进行带权有放回抽样,得到αB个训练数据子集;步骤3、对于步骤2所得到的αB个训练数据子集,使用每一个训练数据子集分别训练出一个基分类器决策树,这些基分类器决策树构成两阶段随机森林的第一阶段基分类器决策树;

两阶段随机森林算法是一种结合了随机森林和集成学习的机器学习算法,可以有效地提高模型的泛化性能和恶意用户预测的准确性。在网站安全领域,该算法可以用于预测网站恶意用户,进而采取相应的安全措施,保护网站的安全。

该方法的应用前景主要表现在以下几个方面:网站安全防护:网站恶意用户的存在对网站的安全构成了威胁。通过预测网站恶意用户,可以采取相应的安全措施,如限制登录次数、加强密码强度、强制验证码等,保护网站的安全。用户行为分析:通过对用户的行为进行分析,可以识别出正常用户和恶意用户之间的差异,进而提高模型的预测准确性。数据隐私保护:在网站安全领域,用户的个人信息和行为数据是非常敏感的。因此,在进行用户行为分析和预测时,需要采取相应的隐私保护措施,如匿名化、去标识化等,保护用户的隐私。

总之,两阶段随机森林算法在网站安全领域的应用前景非常广阔,可以为网站安全防护提供有力的技术支持。

广西师范大学地处世界级旅游城市、国家历史文化名城桂林,是国家教育部与广西壮族自治区人民政府共建高校,“中西部高校基础能力建设工程项目”高校,广西重点建设的“国内一流大学”高校,全国文明校园。有王城、育才、雁山3个校区,校园面积4100多亩,各类学生50000多人,各类教职工4000多人(含离退休人员)。学校已发展成为广西教师教育的“领头羊”、人文强桂的“主力军”、科技兴桂的“生力军”、广西国际教育的“排头兵”。目前,学校正全力推进“双一流”建设和综合改革,努力实现建设国际知名、教师教育特色鲜明的国内一流大学的目标。

1、使用基于对称不确定性和信息交互增益的方法来度量用户特征的重要性,该方法同时还考虑了用户特征之间的相关性和交互作用。现有的方法大多在划分左右子树时,只适用一个特征,而本发明使用的是一组特征,从而可识别网站恶意用户可能通过多个非敏感操作的组合完成以往检测方案无法检测的攻击。

2、设计了一种两阶段随机森林方法来改善随机森林中个体决策树的互补性,用以提高识别恶意用户的精确度:在第一阶段训练一组基于对称不确定性和信息交互增益的决策树,然后更新在该组决策树中分类错误用户样本的权重;在第二阶段训练的决策树将集中处理在第一阶段决策树中分类错误的用户样本。

技术转让,许可,合作所需资金需双方协商,此项技术想尽快落地保定,希望具备此项技术研发的技术方,能够尽快承接此项目。