文档名：基于CNNBiLSTM模型的网络入侵检测研究
网络入侵检测技术是网络安全的重要研究方向.为了更好地利用入侵检测数据之间存在的依赖性,提高入侵检测系统的准确率和泛化能力,文中提出了一种基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的网络入侵检测模型.该模型采用分层的k交叉折叠验证方法在NSL-KDD数据集上对模型进行评估和验证,同时利用softmax分类器获得最终的分类结果.实验结果表明,该模型比单一模型有着明显的性能提升.
作者：崔如楠 赵英 郭倩玲
作者单位：北京化工大学信息科学与技术学院北京100029北京化工大学图书馆北京100029
母体文献：中国计算机用户协会网络应用分会2021年第二十五届网络新技术与应用年会论文集
会议名称：中国计算机用户协会网络应用分会2021年第二十五届网络新技术与应用年会
会议时间：2021年11月1日
会议地点：北京
主办单位：中国计算机用户协会
语种：chi
分类号：
关键词：网络入侵检测 卷积神经网络 双向长短期记忆网络 k交叉折叠
在线出版日期：2022年8月26日
基金项目：
相似文献
相关博文
- 文件大小:
- 2.12 MB
- 下载次数:
- 60
-
高速下载
|
|
