加强网络安全：在加权 MLP 层中使用随机树林混合进行网络攻击检测

在现代世界，互联网的发展支持了多项任务的自动化，如通信、教育、体育等。相反，它容易受到多种类型的攻击，这些攻击干扰网络中的数据传输。需要有效的攻击检测以避免攻击的后果。传统上，手动攻击检测受到人为错误、效率低下和耗时机制的限制。为了解决这个问题，许多现有方法关注于多种技术以提高攻击检测的效果。然而，在准确性、处理更大数据、过拟合与拟合等重要因素上仍需改进。为了应对这一问题，所提出的系统在加权 MLP（多层感知器）层中利用了随机树林混合来分类网络攻击。MLP 因其在解决复杂非线性问题、大数据集和高准确性方面的优势而被使用。然而，它受到计算和对大量标记训练数据要求的限制。为了解决这一问题，将随机信息树林混合和权重编织层合并到 MLP 机制中。为此，使用了 UNSW–NB15 数据集，该数据集包含九种类型的网络攻击，用于检测攻击。此外，使用 Scapy 工具（2.4.3）生成实时数据集，以分类攻击类型。通过性能指标计算所提机制的效率。此外，在各自的研究中进行内部和外部比较，以揭示系统的更高效率。采用随机树林混合在加权 MLP 中的提出模型达到了 98% 的准确率。因此，所提出的系统旨在为增强网络安全的研究作出贡献。