基于不完全信息的深度学习网络入侵检测

• 作者: 徐彭娜 许力 陈志德 饶绪黎
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 不完全信息 网络入侵检测 多层感知 特征量
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 技术研究
• 页码范围: 53-60
• 页数: 8页
• 分类号: TP309
• 字数: 5529字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2019.06.007

摘要

在网络数据的采集与传输过程中,经常面临无法完全采集、信息丢失等情况.在不完全信息条件下的网络入侵检测成为网络异常检测的难题.为解决不完全信息入侵检测准确率的问题,结合网络数据的特点,文章提出一种基于不完全信息的深度学习网络入侵检测模型(NIDII-DL),借助多层感知神经网络构建深度学习模型,实现信息不完全条件下的入侵检测.实验结果表明,NIDII-DL方法在不完全信息条件下的分类精度高于其他算法,且对信息不完全的敏感度更低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许力	福建师范大学网络安全与密码技术实验室	161	900	17.0	23.0
2	陈志德	福建师范大学网络安全与密码技术实验室	39	98	6.0	7.0
3	饶绪黎	福建师范大学网络安全与密码技术实验室	21	72	4.0	7.0
7	徐彭娜	福州职业技术学院信息技术工程系	3	3	1.0	1.0