| 基于深度級聯(lián)網(wǎng)絡(luò)的入侵檢測算法研究 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：aetmagazine | |
| 文檔大小：562 K | |
| 標(biāo)簽： 入侵檢測 特征提取 卷積神經(jīng)網(wǎng)絡(luò) | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對海量多源異構(gòu)的網(wǎng)絡(luò)流量數(shù)據(jù)難以用傳統(tǒng)的機器學(xué)習(xí)算法有效提取特征，分類效果差的問題，提出一種基于深度級聯(lián)網(wǎng)絡(luò)的入侵檢測算法，利用神經(jīng)網(wǎng)絡(luò)自動學(xué)習(xí)特征的能力，將卷積神經(jīng)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò)結(jié)合起來，同時提取流量數(shù)據(jù)的空間特征和時序特征，并采用softmax進行分類，提高模型的檢測性能和泛化能力。最后將該算法在KDDCUP99數(shù)據(jù)集上進行驗證，實驗結(jié)果表明，該入侵檢測模型相較于SVM、DBN等算法有更高的檢測率，準(zhǔn)確率可達(dá)95.39%，誤報率僅0.96%，有效提高了入侵檢測分類性能。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
入侵檢測 相關(guān)資源
- 基于機器學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測技術(shù)綜述
- 基于自監(jiān)督圖神經(jīng)網(wǎng)絡(luò)和混合神經(jīng)網(wǎng)絡(luò)的入侵檢測
- 基于GRU-FedAdam的工業(yè)物聯(lián)網(wǎng)入侵檢測方法
- 基于元學(xué)習(xí)的多頭注意力時序卷積的入侵檢測
- 基于殘差網(wǎng)絡(luò)和深度學(xué)習(xí)的入侵檢測方法研究
- 基于溯源圖節(jié)點級別的APT檢測
- 基于組合神經(jīng)網(wǎng)絡(luò)的物聯(lián)網(wǎng)入侵檢測方法
- 邊緣計算安全與隱私保護研究進展
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2