基于改进卷积神经网络的网络入侵检测模型

• 作者: 杨宏宇 王峰岩
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 网络入侵检测 卷积神经网络 前向传播 跨层聚合 迭代优化
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 网络空间安全
• 页码范围: 2604-2610
• 页数: 7页
• 分类号: TP18|TP393.08
• 字数: 7531字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019020327

摘要

针对基于深度学习的网络入侵检测技术存在检测效率低、模型训练易出现过拟合和泛化能力较弱的问题,提出一种基于改进卷积神经网络(ICNN)的入侵检测模型(IBIDM).与传统“卷积-池化-全连接”层叠式网络设计方式不同,该模型采用跨层聚合网络的设计方式.首先,将预处理后的训练集数据作为输入数据前向传播并提取网络特征,对跨层聚合网络的输出数据执行合并操作;然后,根据分类结果计算训练误差并通过反向传播过程进行迭代优化至模型收敛;最后,利用训练好的分类器对测试数据集进行分类测试.实验结果表明,IBIDM具有较高的入侵检测准确率和真正率,且误报率较低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨宏宇	中国民航大学计算机科学与技术学院	76	504	13.0	19.0
2	王峰岩	中国民航大学计算机科学与技术学院	4	5	2.0	2.0