文档名：基于卷积神经网络的异常流量鉴别方法
摘要：入侵检测系统是网络安全的重要组成部分.针对已知网络攻击的检测,深度学习和传统机器学习都存在查准率和准确率低,以及对重要特征难以有效提取的问题,提出一种基于卷积神经网络结构的异常流量鉴别方法CNN-BDF.对入侵数据建立神经网络,在卷积网络后引入批归一化层,并使用Flatten函数作用于卷积层到全连接层的过渡,最后在全连接层中间引入Dropout层.采用NSL-KDD数据集进行模型评估,实验结果表明,CNN-BDF模型的准确率和查准率分别达到89.01％和84.72％,较基于传统机器学习与深度学习的入侵检测模型具有更好的效果.
作者：詹鸿辉 程仲汉Author：ZHANHonghui CHENGZhonghan
作者单位：福建警察学院计算机与信息安全管理系,福建福州350007
刊名：成都信息工程大学学报
Journal：JournalofChengduUniversityOfInformationTechnology
年，卷(期)：2023, 38(6)
分类号：TP393.08
关键词：入侵检测 网络安全 机器学习 深度学习 卷积神经网络
Keywords：intrusiondetection networksecurity machinelearning deeplearning convolutionalneuralnetwork
机标分类号：TP393.08TP181TN915.08
在线出版日期：2023年11月27日
基金项目：福建省中青年教师教育科研资助项目基于卷积神经网络的异常流量鉴别方法[
期刊论文] 成都信息工程大学学报--2023, 38(6)詹鸿辉 程仲汉入侵检测系统是网络安全的重要组成部分.针对已知网络攻击的检测,深度学习和传统机器学习都存在查准率和准确率低,以及对重要特征难以有效提取的问题,提出一种基于卷积神经网络结构的异常流量鉴别方法CNN-BDF.对入侵数据...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于卷积神经网络的异常流量鉴别方法 Identification Method of Abnormal Traffic based on Convolution Neural Network
基于卷积神经网络的异常流量鉴别方法.pdf
- 文件大小:
- 1.1 MB
- 下载次数:
- 60
-
高速下载
|
|
