一种基于集成学习的可解释性入侵检测方法

本发明公开了一种基于集成学习的可解释性入侵检测方法，通过数据采集、数据预处理、特征选择、集成学习Stacking模型训练、结果输出及最后的结果解释步骤，基于可解释性集成学习策略，检测模型在网络入侵检测任务中具有良好的性能，通过遗传算法改进的乌鸦搜索算法来优化检测模型的超参数进一步提高了网络入侵检测的精度和泛化能力；同时检测模型具有良好的可解释性，通过全局解释和局部解释，使模型的决策过程更加透明，提升了模型的可解释性和用户对模型的信任度。