基于标记数据学习降低误报率的算法优化

此安详威胁场景相对简朴，我们不必要太多的特性值和海量的数据，以是呆板进修模子选择了随机丛林（RandomForest），我们也实行了其他伟大模子，得出的结果区别不大。测试功效如下：

到达我们所预期的结果，当实习数据越来越多的时辰，测试数据傍边的误报率从20%多低落到了10%。通过对告警数据和标签的不绝自进修，可以剔除许多告警误报。前面提到，数据傍边引入了9%的噪音，以是误报率不会再一连的低落。

在我们的呆板进修模子傍边，我们操作了4个首要的特性值：

1.srcIP，会见源IP

2.timeofday，告警发生的时刻

3.visits，会见次数

4.destIP，被会见IP

下图表现了特性值在模子中的重要性：

和我们的预期也是同等的，会见源IP（srcIP）和告警产生的时刻（timeofday）是区分出误陈诉警结果最好的特性值。

其它，因为随机丛林模子以及大部门呆板进修模子都不支持分类变量（categoricalvariable）的进修，以是我们把srcIP和destIP这两个特性值做了二值化处理赏罚。扼要代码如下：

总结