• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文会议>第九届信息安全漏洞分析与风险评估大会（VARA2016） >基于卷积神经网络的入侵检测算法

基于卷积神经网络的入侵检测算法

页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

传统的入侵检测算法能够得出较好的检测率,但由于原始数据量的限制,一般在数据预处理阶段的筛选可能会损坏或消除数据之间隐性的局部相关性,漏掉一部分有效特征或特征组合.随着深度学习近年来的发展,拥有多个处理层的计算模型学习具有多层次抽象的数据在许多方面都带来了显著的改善.其中,深度卷积网络已经在处理图像、视频和音频方面带来了突破.本文旨在将卷积神经网络模型应用于入侵检测领域中,通过选取的卷积核与数据进行卷积操作提取特征的局部相关性从而提高特征提取的准确度,使采集到的网络数据通过多层"卷积层一下采样层"的处理对网络中正常行为和异常行为的特征进行深度刻画,最后通过多层感知机进行正确分类.最后,在KDD99数据集上的实验结果表明,在入侵检测识别执行该模型算法时,与入侵检测领域的经典算法相比,该模型能够提高分类准确性,能够解决上述问题.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号