摘要
本发明公开了一种面向入侵检测特征分析的多解释融合算法。针对不同的解释方法基于各自独特的机制来阐释模型的预测,它们往往关注不同的方面,并可能导致提供差异化的重要特征解释,解释结果的这种不一致性也为评估模型的解释能力带来了困难。本发明采用三种评价解释方法性能的指标作为权重值,融合了SHAP、LIME和PFI三种事后解释方法。有效的提取不同解释方法视角的优点并互相弥补不足,解决了不同的解释方法给出的观点不尽相同的问题,更好地提高入侵检测系统的透明性。
技术关键词
随机森林模型
指标
样本
数据
融合算法
模型预测值
入侵检测系统
训练集
矩阵
变量
分类特征
特征值
生成特征
估计误差
预测误差
特征数
编码
代表
度量