|
|||||
|
|
| 融合DBN和BiLSTM的工业互联网入侵检测方法 | |
| 作者姓名： | 胡向东 盛顺利 |
| 作者单位： | 重庆邮电大学 自动化学院,重庆400065;重庆邮电大学 工业互联网学院,重庆400065 |
| 基金项目： | 教育部-中国移动科研基金（MCM20150202,MCM20180404） |
| 摘 要： | 针对当前工业互联网的攻击行为复杂,其网络数据具有海量、高维、时序性和非线性等特征,导致传统入侵检测方法的特征提取困难、检测率低、泛化能力差等问题,提出一种融合深度信念网络(deep belief network,DBN)和双向长短时记忆网络(Bi-directional long short-term memory,B... |
| 关 键 词： | 工业互联网 入侵检测 深度学习 深度信念网络 双向长短期记忆网络 |
| 收稿时间： | 2020-08-24 |
| 修稿时间： | 2021-10-27 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《重庆邮电大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《重庆邮电大学学报(自然科学版)》下载全文 | |