Computer Science and Technology（计算机科学与技术）
ISSN Online: 2996-2064 | 期刊DOI: 10.57237/j.cst | 开放获取期刊 | 季刊
Computer Science and Technology ( 计算机科学与技术 ) 是一本关注计算机科学最新进展的国际学术期刊。本刊采用开放获取（Open Access）模式，经过专业严格的同行评审，致力于发表计算机科学相关领域的原创研究论文。旨在反映计算机科学前沿进展及水平，推进学科专业化进程，为国内外的专家、学者、科研人员提供一个良好的传播、分享和交流的平台。Computer Science and Technology ( 计算机科学与技术 ) 欢迎相关领域内的原创文章、最新评论文章和案例研究在该期刊上发表。
立即投稿 加入编委会/成为审稿人
2026年12月，第5卷，第4期
-
卷期：2026年12月第5卷第4期
接收日期：2026-07-26
DOI：10.57237/j.cst.2026.04.001
页码：107-114
录用日期：2026-08-17
浏览量：
出版日期：2026-11-02
下载量：
针对当前工业互联网入侵检测中因冗余特征及特征表征能力不足而导致的检测准确率低等问题，本文提出一种基于多级特征选择的工业互联网入侵检测方法。首先，利用皮尔逊相关系数（PCC）计算特征之间的线性相关程度，通过设定相关系数阈值剔除高度相关的冗余特征，完成特征子集的初步降维；随后，引入带自适应交叉、变异概率与精英保留策略的自适应精英遗传算法（AEGA），并基于兼顾分类性能与特征数量的适应度函数，对初步筛选后的特征子集进行二次筛选，得到最优特征集合。实验基于公开的TON-IoT网络数据集进行验证，原38维特征经过两级特征筛选后缩减至26维，特征缩减率达到31.58%，两级筛选协同作用，有效减小了特征冗余。并且在相同机器学习分类算法条件下，与互信息和粒子群优化等特征选择方法相比，本文方法结合随机森林和K... 展开更多
