文档名：基于卷积神经网络的入侵检测方法研究
随着互联网的快速发展,当前的网络安全问题越来越严峻,入侵检测在其中扮演着不可替代的作用.对于入侵检测领域现有的研究常使用传统的机器学习模型对网络中的攻击事件进行分类,从而识别入侵样本,然而该方法存在检测率低且泛化性较弱的问题.为了提高入侵检测模型的准确率,设计了一种基于卷积神经网络算法的网络入侵检测模型.该模型将改进的卷积层和长短期记忆网络进行结合,并用于入侵样本空间和时间维度上的特征进行提取,在卷积层中使用深度可分离卷积层对传统的卷积层进行改进,并采用长短期记忆网络模型对网络特征中的时间序列进行学习,最终实现根据网络中的特征对入侵的攻击行为进行准确的分类.该模型针对KDD99数据集进行实验分析,在该数据集上对入侵行为进行检测,由实验结果可知该模型的准确率可到达98.7％,该模型相比其他传统机器学习模型具有更高的准确率和较高的实用性.
作者：马静旻 冯杰 张璟
作者单位：山西省公安厅网络安全保卫总队,太原030000山西天地煤机装备有限公司,太原030000中国农业银行股份有限公司山西省分行,太原030003
母体文献：2020中国网络安全等级保护和关键信息基础设施保护大会论文集
会议名称：2020中国网络安全等级保护和关键信息基础设施保护大会
会议时间：2020年12月20日
会议地点：南宁
主办单位：公安部第一研究所
语种：chi
分类号：TP1TP3
关键词：互联网 网络安全 入侵检测 卷积神经网络 长短期记忆网络
在线出版日期：2021年11月24日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.4 MB
- 下载次数:
- 60
-
高速下载
|
|
