一种三支决策融合采样与正则化堆叠集成模型的网络入侵检测方法

本发明公开了一种三支决策融合采样与正则化堆叠集成模型的网络入侵检测方法，首先对流量数据进行读取与预处理，通过特征工程构建多个新特征；构建三支决策融合采样机制，对高风险攻击采用GAN对抗网络进行过采样；对中风险攻击实施基于分组Shapley值的欠采样，根据预定义的特征分组计算代表性样本；对低风险攻击随机丢弃部分样本。建立正则化堆叠集成模型，第一级集成LightGBM和XGBoost并行训练，第二级采用双分支深度神经网络作为元模型，引入L2权重惩罚、批量归一化和丢弃层三重正则化机制，并配合动态类别权重调整和学习率调度。与现有技术相比，本发明表现出优异的识别能力，同时误报率控制在较低水平，具备良好的实用价值与推广前景。