文档名：一种基于LMDR和CNN的混合入侵检测模型
随着网络安全技术的飞速发展和大数据技术的广泛应用,传统的机器学习模型已难以满足大数据环境下高效入侵检测的要求.针对原始数据集特征不够明显的情况,利用卷积神经网络进行大数据特征提取与数据分析的优势,文章提出一种基于对数边际密度比(LogarithmMarginalDensityRatio,LMDR)和卷积神经网络(ConvotionalNeuralNetwork,CNN)的混合入侵检测模型.该模型相较于现有传统的机器学习算法和神经网络模型,能够更充分挖掘数据特征间的联系,有效提高分类准确率并降低误报率.
作者：李桥 龙春 魏金侠 赵静
作者单位：中国科学院大学,北京101408;中国科学院计算机网络信息中心,北京100080中国科学院计算机网络信息中心,北京100080
母体文献：第35次全国计算机安全学术交流会论文集
会议名称：第35次全国计算机安全学术交流会
会议时间：2020年10月16日
会议地点：南宁
主办单位：中国计算机学会
语种：chi
分类号：
关键词：网络安全 入侵检测 对数边际密度比 卷积神经网络
在线出版日期：2022年1月20日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.26 MB
- 下载次数:
- 60
-
高速下载
|
