一种基于特征选择与数据平衡的图片化网络入侵检测方法

本申请涉及工业网络安全领域，其具体地公开了一种基于特征选择与数据平衡的图片化网络入侵检测方法，其首先获取包含非数值型和数值型数据的入侵检测数据集，对非数值型数据进行独热编码，对数值型数据进行最大最小归一化，并划分训练集和测试集；接着采用ReliefF过滤法和Boruta包装法的混合特征选择策略对训练集进行特征选择，利用SMOTE‑ENN混合采样方法对训练集进行重采样处理；然后将重采样后的训练集和原始测试集转换为灰度图像，使用EfficientNet图像分类器进行训练，得到训练好的模型；最后用该模型对测试集的灰度图像进行分类预测。本申请有效解决了IIoT环境中的数据冗余、维度灾难和类不平衡问题，显著提升了入侵检测系统的准确性和稳定性。