基于前馈神经网络的入侵检测模型

• 作者: 何原野 冯文英 薛聪 郭晓博
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 入侵检测 前馈神经网络 误差反向传播算法
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 入选论文
• 页码范围: 101-105
• 页数: 5页
• 分类号: TP309
• 字数: 3863字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2019.09.021

摘要

由于入侵行为特征多样、网络环境复杂,导致基于深度学习的入侵检测方法容易出现模型复杂、灵活性差等问题.为此,文章提出基于前馈神经网络的入侵检测模型SFID,通过逐层削减神经元数量,整体化解决特征抽取和入侵分类问题,从而降低了入侵检测模型的训练复杂度.通过实验验证,模型在正确率相当的情况下比S-NDAE模型训练效率明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛聪	中国科学院信息工程研究所	5	21	2.0	4.0
2	郭晓博	中国科学院信息工程研究所	5	9	2.0	3.0
3	何原野	中国科学院信息工程研究所	2	0	0.0	0.0
4	冯文英	中国科学院大学网络空间安全学院	1	0	0.0	0.0