钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
自动化技术与计算机技术期刊
\
计算机科学与探索期刊
\
深度学习模型下多分类器的入侵检测方法
深度学习模型下多分类器的入侵检测方法
作者:
万广雪
肖成龙
肖振久
陈建虎
陈虹
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取
入侵检测
深度学习
反向传播神经网络
梯度提升树
摘要:
针对海量数据环境下,传统智能化入侵检测方法检测性能较差的问题,提出了一种深度信念网络(deep belief networks,DBN)下一对一(one-versus-one)梯度提升树(gradient boosting decision tree,GBDT)的多分类器入侵检测方法(DBN-OGB).该方法首先利用深度信念网络从高维、复杂的入侵检测数据中提取出低维、具有代表性的特征数据;然后利用一对一法,在任意两类特征数据之间构建一个梯度提升树分类器;接着利用各个分类器对未知网络攻击进行识别,得票最多的类别即为该攻击的类别;最后利用NSL-KDD数据集进行仿真实验.实验结果显示DBN-OGB方法的平均准确率和检测率都高于99%,相较于DBN-MSVM(deep belief nets based multi-class support vector machine)方法其准确率和检测率分别提升0.56%和1.03%,表明DBN-OGB是一种有效、可行的入侵检测方法,且提高了对海量入侵数据的检测性能.
暂无资源
收藏
引用
分享
推荐文章
基于NN多分类器组合的入侵检测方法
入侵检测
神经网络
多分类器组合
基于模糊积分的多分类器组合的入侵检测
模糊积分
多分类器组合
入侵检测
海量数据环境下用于入侵检测的深度学习方法
入侵检测
深度学习
支持向量机
深度信念网络
基于深度迁移学习的网络入侵检测
深度自编码器
迁移学习
入侵检测
嵌入层
标签层
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
深度学习模型下多分类器的入侵检测方法
来源期刊
计算机科学与探索
学科
工学
关键词
入侵检测
深度学习
反向传播神经网络
梯度提升树
年,卷(期)
2019,(7)
所属期刊栏目
网络与信息安全
研究方向
页码范围
1124-1134
页数
11页
分类号
TP393.08
字数
7959字
语种
中文
DOI
五维指标
作者信息
序号
姓名
单位
发文数
被引次数
H指数
G指数
1
肖成龙
辽宁工程技术大学软件学院
28
75
4.0
8.0
2
陈虹
辽宁工程技术大学软件学院
35
293
10.0
16.0
3
肖振久
辽宁工程技术大学软件学院
29
254
9.0
14.0
4
陈建虎
辽宁工程技术大学软件学院
4
14
2.0
3.0
5
万广雪
辽宁工程技术大学软件学院
2
40
2.0
2.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(154)
共引文献
(135)
参考文献
(18)
节点文献
引证文献
(4)
同被引文献
(6)
二级引证文献
(0)
1986(1)
参考文献(0)
二级参考文献(1)
1989(1)
参考文献(0)
二级参考文献(1)
1990(1)
参考文献(1)
二级参考文献(0)
1997(2)
参考文献(0)
二级参考文献(2)
1998(1)
参考文献(0)
二级参考文献(1)
1999(1)
参考文献(0)
二级参考文献(1)
2000(3)
参考文献(0)
二级参考文献(3)
2001(1)
参考文献(0)
二级参考文献(1)
2002(2)
参考文献(0)
二级参考文献(2)
2003(4)
参考文献(0)
二级参考文献(4)
2004(3)
参考文献(0)
二级参考文献(3)
2005(5)
参考文献(0)
二级参考文献(5)
2006(12)
参考文献(0)
二级参考文献(12)
2007(3)
参考文献(0)
二级参考文献(3)
2008(3)
参考文献(0)
二级参考文献(3)
2009(7)
参考文献(0)
二级参考文献(7)
2010(11)
参考文献(0)
二级参考文献(11)
2011(9)
参考文献(0)
二级参考文献(9)
2012(13)
参考文献(2)
二级参考文献(11)
2013(13)
参考文献(0)
二级参考文献(13)
2014(18)
参考文献(1)
二级参考文献(17)
2015(23)
参考文献(3)
二级参考文献(20)
2016(21)
参考文献(5)
二级参考文献(16)
2017(9)
参考文献(2)
二级参考文献(7)
2018(5)
参考文献(4)
二级参考文献(1)
2019(3)
参考文献(0)
二级参考文献(0)
引证文献(3)
二级引证文献(0)
2019(3)
引证文献(3)
二级引证文献(0)
2020(1)
引证文献(1)
二级引证文献(0)
研究主题发展历程
节点文献
入侵检测
深度学习
反向传播神经网络
梯度提升树
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
主办单位:
华北计算技术研究所
出版周期:
月刊
ISSN:
1673-9418
CN:
11-5602/TP
开本:
大16开
出版地:
北京市海淀区北四环中路211号北京619信箱26分箱
邮发代号:
82-560
创刊时间:
2007
语种:
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
期刊文献
相关文献
1.
基于NN多分类器组合的入侵检测方法
2.
基于模糊积分的多分类器组合的入侵检测
3.
海量数据环境下用于入侵检测的深度学习方法
4.
基于深度迁移学习的网络入侵检测
5.
基于深度学习的加密流量分类与入侵检测
6.
基于二次决策的深度学习入侵检测模型
7.
基于集成 PU 学习数据流分类的入侵检测方法
8.
一种基于多分类支持向量机的网络入侵检测方法
9.
入侵检测数据分类模型-PCANN
10.
选择分类器进行入侵检测
11.
基于麻雀搜索优化深度极限学习机的入侵检测方法
12.
基于深度学习的入侵检测算法
13.
基于模糊SVM模型的入侵检测分类算法
14.
基于深度学习的网络攻击行为检测与分类模型
15.
入侵检测系统的规则研究与基于机器学习的入侵检测系统模型
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
计算机科学与探索2022
计算机科学与探索2021
计算机科学与探索2020
计算机科学与探索2019
计算机科学与探索2018
计算机科学与探索2017
计算机科学与探索2016
计算机科学与探索2015
计算机科学与探索2014
计算机科学与探索2013
计算机科学与探索2012
计算机科学与探索2011
计算机科学与探索2010
计算机科学与探索2009
计算机科学与探索2008
计算机科学与探索2007
计算机科学与探索2019年第9期
计算机科学与探索2019年第8期
计算机科学与探索2019年第7期
计算机科学与探索2019年第6期
计算机科学与探索2019年第5期
计算机科学与探索2019年第4期
计算机科学与探索2019年第3期
计算机科学与探索2019年第2期
计算机科学与探索2019年第12期
计算机科学与探索2019年第11期
计算机科学与探索2019年第10期
计算机科学与探索2019年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号