基于多层神经网络的智能家居入侵检测方法

• 作者: 杨柳 胡向东 胡蓉
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 智能家居 入侵检测 深度学习 模糊神经网络 检测准确率
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 未来网络与智能应用
• 页码范围: 174-182
• 页数: 9页
• 分类号: TP393
• 字数: 6395字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2019.02.004

摘要

依托物联网技术的智能家居面临多重信息安全风险,现有智能家居入侵检测方案存在难以处理大量高维度数据、检测率低、误检率高、依赖经验确定网络层数等问题.提出一种融合深度学习与模糊神经网络的多层神经网络入侵检测方法;基于深度学习完成数据特征的学习,将高维数据映射为低维数据;基于网络重构误差训练并优化确定网络深度.仿真测试结果表明,该方案可有效提高对攻击行为的检测准确率和检测效率;针对远程非法访问的检测率可达到94％,对拒绝服务攻击的检测准确率可达96％,对网络中新型攻击的检测率超过60％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡向东	重庆邮电大学自动化学院	90	981	16.0	28.0
2	胡蓉	重庆邮电大学移通学院	14	27	3.0	4.0
3	杨柳	重庆邮电大学自动化学院	19	43	3.0	6.0