基于LSTM的卷積神經(jīng)網(wǎng)絡(luò)異常流量檢測(cè)方法
所屬分類(lèi):技術(shù)論文
上傳者:zhoubin333
文檔大?。?span>465 K
標(biāo)簽: 異常流量檢測(cè) 卷積神經(jīng)網(wǎng)絡(luò) 長(zhǎng)短期記憶網(wǎng)絡(luò)
所需積分:0分積分不夠怎么辦?
文檔介紹:針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)方法依賴(lài)人工特征提取,存在檢測(cè)算法準(zhǔn)確率低、無(wú)法應(yīng)對(duì)0day漏洞利用等未知類(lèi)型攻擊等問(wèn)題,提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)和長(zhǎng)短期記憶網(wǎng)絡(luò)(Long-Short Term Memory,LSTM)混合算法的異常流量檢測(cè)方法,充分發(fā)掘攻擊流量的結(jié)構(gòu)化特點(diǎn),提取流量數(shù)據(jù)的時(shí)空特征,提高了異常流量檢測(cè)系統(tǒng)性能。實(shí)驗(yàn)結(jié)果表明,在CIC-IDS2017數(shù)據(jù)集上,多種異常流量檢測(cè)的準(zhǔn)確率均超過(guò)96.9%,總體準(zhǔn)確率達(dá)到98.8%,與其他機(jī)器學(xué)習(xí)算法相比準(zhǔn)確率更高,同時(shí)保持了極低的誤警率。
現(xiàn)在下載
VIP會(huì)員,AET專(zhuān)家下載不扣分;重復(fù)下載不扣分,本人上傳資源不扣分。