基于深度学习的入侵检测模型 | |
林硕1,2,3,4; 商富博1; 高治军1; 单丹1; 尚文利2,3,4 | |
刊名 | 控制工程 |
2021 | |
卷号 | 28期号:9页码:1873-1878 |
关键词 | 深度学习 入侵检测 卷积神经网络 门限循环单元网络 |
ISSN号 | 1671-7848 |
其他题名 | Intrusion Detection Model Based on Deep Learning |
产权排序 | 1 |
英文摘要 | 针对网络流量数据具有空间和时间的双重特征,提出了一种基于深度学习的入侵检测模型。首先,通过二分支卷积神经网络提取网络流量数据的空间特征,利用其分支结构的特点使得不同的卷积层对同一个数据样本进行粗化提取和细化提取,既保留了数据的总体特征,又从低级特征中迭代提取出更复杂的特征;然后,利用门控循环单元网络顺序敏感性的优势,挖掘网络流量数据的时序特征;最后,使用KDDCUP99数据集对入侵检测模型进行训练、验证和测试。实验结果表明,与传统的基于机器学习的模型相比,该模型具有更高的检测准确率。 |
语种 | 中文 |
CSCD记录号 | CSCD:7049585 |
资助机构 | 国家自然科学基金面上项目(61773368) ; 辽宁省教育厅科学技术项目(Injc201912) ; 辽宁省教育厅青年科技人才“育苗”项目(Inqn201912) |
内容类型 | 期刊论文 |
源URL | [http://ir.sia.cn/handle/173321/29669] |
专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
通讯作者 | 高治军 |
作者单位 | 1.沈阳建筑大学信息与控制工程学院 2.中国科学院沈阳自动化研究所工业控制网络与系统研究室 3.中国科学院机器人与智能制造创新研究院 4.中国科学院网络化控制系统重点实验室 |
推荐引用方式 GB/T 7714 | 林硕,商富博,高治军,等. 基于深度学习的入侵检测模型[J]. 控制工程,2021,28(9):1873-1878. |
APA | 林硕,商富博,高治军,单丹,&尚文利.(2021).基于深度学习的入侵检测模型.控制工程,28(9),1873-1878. |
MLA | 林硕,et al."基于深度学习的入侵检测模型".控制工程 28.9(2021):1873-1878. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论