基于深度級(jí)聯(lián)網(wǎng)絡(luò)的入侵檢測(cè)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(cè) 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(duì)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(jī)器學(xué)習(xí)算法有效提取特征，分類效果差的問(wèn)題，提出一種基于深度級(jí)聯(lián)網(wǎng)絡(luò)的入侵檢測(cè)算法，利用神經(jīng)網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)特征的能力，將卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)結(jié)合起來(lái)，同時(shí)提取流量數(shù)據(jù)的空間特征和時(shí)序特征，并采用softmax進(jìn)行分類，提高模型的檢測(cè)性能和泛化能力。最后將該算法在KDDCUP99數(shù)據(jù)集上進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，該入侵檢測(cè)模型相較于SVM、DBN等算法有更高的檢測(cè)率，準(zhǔn)確率可達(dá)95.39%，誤報(bào)率僅0.96%，有效提高了入侵檢測(cè)分類性能。
現(xiàn)在下載
VIP會(huì)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。