| 基于深度神经网络的入侵检测方法 |
| |
| 引用本文： | 钱铁云,王毅,张明明,刘俊恺.基于深度神经网络的入侵检测方法[J].华中科技大学学报(自然科学版),2018(1):6-10. |
| |
| 作者姓名： | 钱铁云 王毅 张明明 刘俊恺 |
| |
| 作者单位： | 武汉大学计算机学院;武汉大学软件工程国家重点实验室;国网江苏省电力公司信息通信分公司;北京汇通金财信息科技有限公司; |
| |
| 摘 要： | 为改善传统机器学习技术解决海量网络数据和复杂入侵模式对信息网络的入侵检测的不足,提出一种基于深度神经网络的入侵检测方法.采用神经元映射卷积神经网络(NPCNN)为网络结构,使用较少的连接和参数,具有易于训练和泛化能力强等优点.在训练过程中,使用Re LU激活器作为非线性激活函数,采用Adam算法进行模型学习,从而避免了传统深度网络须进行预训练的过程.在NSL-KDD数据集上的实验结果表明:提出的方法较基于传统机器学习的入侵检测方法具有良好的特征表征学习和分类能力,且随着数据量的增大,模型的分类精度有较大的提升.
|
| 关 键 词： | 入侵检测 深度学习 卷积神经网络 连接 参数 |
Intrusion detection method based on deep neural network |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
