基于深度級聯網絡的入侵檢測算法研究
所屬分類：技術論文
上傳者：aetmagazine
文檔大?。?span>562 K
標簽： 入侵檢測 特征提取 卷積神經網絡
所需積分：0分積分不夠怎么辦？
文檔介紹：針對海量多源異構的網絡流量數據難以用傳統(tǒng)的機器學習算法有效提取特征，分類效果差的問題，提出一種基于深度級聯網絡的入侵檢測算法，利用神經網絡自動學習特征的能力，將卷積神經網絡和長短期記憶網絡結合起來，同時提取流量數據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數據集上進行驗證，實驗結果表明，該入侵檢測模型相較于SVM、DBN等算法有更高的檢測率，準確率可達95.39%，誤報率僅0.96%，有效提高了入侵檢測分類性能。
現在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。