...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Procedia Computer Science >Analysis of KDD-Cup’99, NSL-KDD and UNSW-NB15 Datasets using Deep Learning in IoT
【24h】

Analysis of KDD-Cup’99, NSL-KDD and UNSW-NB15 Datasets using Deep Learning in IoT

机译：IOT深入学习的KDD-CUP'99，NSL-KDD和UNSW-NB15数据集分析

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Internet of Things (IoT) network is the latest technology which is used to connect all the objects near us. Implementation of IoT technology is latest and growing day-by-day, it is coming with risk itself. So, it required the most efficient model to detect malicious activities as fast as possible and accurate. In our paper, we considered Deep Neural Network (DNN) for identifying the attacks in IoT. Intelligent intrusion detection system can only be built if there is availability of an effective dara set. Performance of DNN to correctly identify the attack has been evaluated on the most used data sets, i.e., KDD-Cup’99, NSL-KDD, and UNSW-NB15. Our experimental results showed the accuracy rate of the proposed method using DNN. It showed that accuracy rate is above 90% with each dataset.
机译：物联网（物联网）网络是最新技术，用于连接我们附近的所有物体。 IOT技术的实施是最新的，日复一日地增长，它具有风险本身。因此，它需要最有效的模型来检测尽可能快的恶意活动和准确。在我们的论文中，我们考虑了深度神经网络（DNN），用于识别IOT中的攻击。智能入侵检测系统只能在有效的DARA集合时构建。 DNN的性能是在最常用的数据集，即KDD-CUP'99，NSL-KDD和UNSW-NB15上进行了评估DNN的性能。我们的实验结果表明，使用DNN的提出方法的精度率。它表明，每个数据集都显示精度高于90％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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