| 基于ResNet和双向LSTM融合的物联网入侵
检测分类模型构建与优化研究 |
| |
| 引用本文： | 陈红松,陈京九.基于ResNet和双向LSTM融合的物联网入侵
检测分类模型构建与优化研究[J].湖南大学学报(自然科学版),2020,47(8):1-8. |
| |
| 作者姓名： | 陈红松 陈京九 |
| |
| 作者单位： | 北京科技大学计算机与通信工程学院,北京100083,北京科技大学计算机与通信工程学院,北京100083 |
| |
| 基金项目： | 国家社会科学基金资助项目 |
| |
| 摘 要： | 为提高物联网入侵检测模型的综合性能,将残差神经网络(Residual Networks,ResNet)与双向长短时记忆(Long-Short Term Memory,LSTM)网络融合,构建物联网入侵检测分类模型.针对大规模物联网流量快速批量处理问题,在对原始数据进行清洗、转换等预处理基础上,提出将多条流量样本转换为灰度图,并利用基于ResNet和双向LSTM融合的深度学习方法构建物联网入侵检测分类模型.对分类模型的网络结构、可复用性进行综合优化实验,得到最终优化模型,分类准确率达到96.77%,综合优化后的模型构建时间为39.85 s.与其他机器学习算法结果相比,该优化方法在分类准确率和效率两个方面取得了很好的效果,综合性能优于传统的入侵检测分类模型.
|
| 关 键 词： | 入侵检测 残差网络 双向LSTM网络 图像分类 物联网 |
Study on Construction of IOT Network Intrusion Detection Classification
Model and Optimization Based on Combination of ResNet
and Bidirectional LSTM Network |
| |
| CHEN Hongsong,CHEN Jingjiu.Study on Construction of IOT Network Intrusion Detection Classification
Model and Optimization Based on Combination of ResNet
and Bidirectional LSTM Network[J].Journal of Hunan University(Naturnal Science),2020,47(8):1-8. |
| |
| Authors: | CHEN Hongsong CHEN Jingjiu |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南大学学报(自然科学版)》下载免费的PDF全文 |
|
