基于CNN-NSVM的入侵检测模型

• 作者: 刘吉强 牛温佳 王佳林 童恩栋 赵迪
• 来源期刊: 信息通信技术
• 关键词: 入侵检测技术 卷积神经网络 支持向量机 网络安全
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 系统与方案
• 页码范围: 48-55
• 页数: 8页
• 字数: 4418字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1285.2018.06.008

摘要

网络入侵检测系统在网络安全中占据重要位置.然而,面对现代网络的复杂变化,人们对于入侵检测系统的需求不仅仅只停留在较高的准确率方面,对检测效率也提出了更高的要求.随着数据维度和数量的不断提高,训练时间也随之增长.同时,入侵检测系统对于小样本数据检测的准确率较低.针对这些问题,改进了过采样算法,提出一种新的基于CNN-NSVM的入侵检测模型,将深度神经网络与浅层分类器相结合,融合了多层卷积神经网络和多类支持向量机算法.实验结果显示,相比其他方法,显著减少了训练时间,提高了不平衡数据中小样本检测的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘吉强	北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室	66	535	13.0	21.0
2	王佳林	北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室	1	1	1.0	1.0
3	童恩栋	北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室	2	1	1.0	1.0
4	牛温佳	北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室	2	3	1.0	1.0
5	赵迪	北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室	5	12	2.0	3.0