面向网络入侵检测系统的深度卷积神经网络模型

• 作者: 刘月峰 张亚斌 王成 苑江浩
• 来源期刊: 内蒙古科技大学学报
• 学科: 工学
• 关键词: 网络入侵检测 深度学习 卷积神经网络 梯度下降
• 年，卷（期）: 2018,（1）
• 页码范围: 59-64
• 页数: 6页
• 分类号: TP29
• 字数: 4223字
• 语种: 中文
• DOI: 10.16559/j.cnki.2095-2295.2018.01.013

摘要

鉴于卷积神经网络(CNN)在计算机视觉等诸多领域取得的巨大成就,提出一种将卷积神经网络应用到网络入侵检测(IDS)领域的方法,以达到网络攻击行为的高准确度识别的目的.该方法将IDS中的网络数据转化成卷积神经网络能够输入的数据,利用卷积神经网络对大量高维无标签原始数据进行特征降维,再采用BP神经网络反向微调结构参数,从而获得原始数据的最优低维表示.实验中,用Softmax分类器进行网络攻击行为识别,采用KDD CUP99数据集进行实验测试,证明该方法分类效果优于传统机器学习方法,在保证精度的同时,较其方法,该方法误检率平均降低0.5%,是一种可行且高效的方法,为网络入侵检测系统领域提供一种全新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘月峰	内蒙古科技大学信息工程学院	12	61	5.0	7.0
2	苑江浩		4	15	3.0	3.0
3	王成	内蒙古科技大学信息工程学院	2	12	2.0	2.0
4	张亚斌	内蒙古科技大学信息工程学院	3	14	2.0	3.0