基于深度学习的入侵检测技术研究

• 作者: 王庆香 蔡洪民
• 来源期刊: 网络安全技术与应用
• 关键词: 异常入侵检测 深度学习 K近邻 支持向量机
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 安全模型、算法与编程
• 页码范围: 62-64
• 页数: 3页
• 字数: 3393字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-6833.2017.11.036

摘要

大数据时代网络安全形势日趋严峻,本文提出了一种基于深度学习的异常入侵检测模型.首先,将网络流量数据进行数据预处理:针对网络流量数据的高维特征影响检测效率的问题,使用PCA等方法进行数据降维;其次,使用深度神经网络方法对预处理后的网络流量数据进行训练和类别预测;最后,使用混淆矩阵对模型输出结果进行评估,并与KNN和SVM两种经典算法进行对比.经过实验对比,本文模型均优于KNN算法和SVM算法,在准确率、召回率、F1-Score方面相比KNN和SVM的检测率提高2%.因此,本文模型有效提高了异常入侵检测的检测率,加强了网络安全.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡洪民	广州中医药大学医学信息工程学院	23	99	6.0	9.0
2	王庆香	广州中医药大学医学信息工程学院	11	90	5.0	9.0