基于主成分分析和卷积神经网络的入侵检测方法研究

• 作者: 李兆峰
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 入侵检测 深度学习 主成分分析 卷积神经网络
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 信息安全
• 页码范围: 148-151
• 页数: 4页
• 分类号: TP309
• 字数: 3154字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-4706.2019.10.057

摘要

针对传统的机器学习方法无法有效地处理网络入侵时海量、高维、冗余数据的现象,提出了基于主成分分析(PCA)和卷积神经网络(CNN)的入侵检测算法.首先,通过PCA对提取出的高维原始入侵数据进行降维并消除冗余信息,减少了输入数据的维数,然后通过设计的卷积神经网络对正常和异常数据进行分类.在KDD 99数据集上的实验结果表明,文中提出的PCA-CNN模型与CNN以及其他的机器学习方法相比,可有效地提高检测的准确率并降低误报率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李兆峰	广州大学机械与电气工程学院	1	1	1.0	1.0