关键词：随机森林 网络入侵检测 样本类别倾斜 层次采样 代价敏感 

摘要：机器学习算法在入侵检测系统中被广泛应用,提升了入侵检测系统的效率和准确率。然而,入侵数据类倾斜和数据流量剧增问题,导致其被使用的局限性。针对此问题,提出一种分布式层次采样的代价敏感随机森林算法。利用层次采样技术降低样本类别倾斜比率,通过随机森林算法进行特征选择,构建敏感随机森林算法的分布式检测网络。实验结果表明,该算法可以减小数据类别倾斜影响,提升分类器性能,提高检测效率。

计算机工程与设计杂志要求:

{1}根据论文情况可自行决定是否列举阅读型参考文献；阅读型参考文献用文后尾注形式，以带方括号的阿拉伯数字（［1］［2］［3］……）顺序编号排列。阅读型参考文献可不标注具体页码。

{2}来稿要求来稿要有科学性、真实性、先进性。设计合理，结构严密，层次分明，文通句顺，统计学方法正确。

{3}来稿请注明作者单位、联系方式及确切通信地址。所有稿件，请作者自留底稿，无论采用与否，恕不退还。

{4}正文各级标题一律采用阿拉伯数字连续编号，同级题不同层次的数字之间用下圆点相隔，最末一位数后不加标点。

{5}来稿请写明详细通讯地址及联系电话，并附作者简介，内容如下：姓名、出生年、性别、民族（汉族可省略）、籍贯、学位、职称和最高学术职务及研究方向。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社