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(jī)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(jìn)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(jìn)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。