摘要: 针对网络入侵检测中因流量数据量大，维度过高而导致入侵检测模型计算复杂度过高、以及模型检测性能弱等问题，文章基于集成学习的机器学习算法，提出了一种基于信息增益与Bagging算法的入侵检测模型。该模型首先利用信息增益方法对流量进行特征选择；其次采用Bagging算法构建决策树集成分类器，利用训练集对模型进行7次迭代训练，使模型达到一定分类精度；最后，利用测试集测试模型的入侵检测性能。实验结果表明，本文所提出的模型，有效提高了入侵检测模型的分类精度。