文档名：基于前馈神经网络的入侵检测模型
由于入侵行为特征多样、网络环境复杂,导致基于深度学习的入侵检测方法容易出现模型复杂、灵活性差等问题.为此,文章提出基于前馈神经网络的入侵检测模型SFID,通过逐层削减神经元数量,整体化解决特征抽取和入侵分类问题,从而降低了入侵检测模型的训练复杂度.通过实验验证,模型在正确率相当的情况下比S-NDAE模型训练效率明显提高.
作者：冯文英 郭晓博 何原野 薛聪
作者单位：中国科学院大学网络空间安全学院,北京100049;中国科学院信息工程研究所,北京100093中国科学院信息工程研究所,北京100093
母体文献：第34次全国计算机安全学术交流会论文集
会议名称：第34次全国计算机安全学术交流会
会议时间：2019年10月10日
会议地点：杭州
主办单位：中国计算机学会
语种：chi
分类号：
关键词：入侵检测 深度学习 前馈神经网络 数据处理
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 342.94 KB
- 下载次数:
- 60
-
高速下载
|
|
