摘要
随着互联网技术的快速发展，网络攻击手段呈现出多样化、隐蔽化的发展趋
势，传统网络入侵检测方法对未知攻击的识别能力不足，误报率和漏报率较高，
已经难以满足当前网络安全防护的需求。机器学习凭借出色的特征挖掘与模式识
别能力，为网络入侵检测提供了新的解决思路。本文针对当前基于机器学习的入
侵检测算法存在的特征维度冗余、模型泛化能力不足的问题，提出了结合改进互
信息特征选择与集成学习的入侵检测优化算法，通过剔除冗余特征降低模型训练
成本，依托集成学习框架提升模型对未知攻击的检测精度。实验结果表明，优化
后的算法相比单一机器学习算法，检测准确率提升了 4.2 个百分点，误报率降低
了 3.1 个百分点，能够更高效地识别各类网络入侵行为，具备更好的实际应用价
值。
机构地区
142430198203300038
发表时间
2026年07月29日（期刊网平台发表日期，不代表实际的发表时间）
