原文服务方: 物联网技术       
摘要:
随着网络技术高速发展,无疑带来了很多网络安全隐患问题.面对复杂、高维的网络数据特征时,K-Nearest Neighbour,Navie Bayes等传统的一些方法无法达到高性能、高准精度和实时性的要求.为此,提出利用深度学习可视化方式进行入侵检测.对数据进行可视化处理,并采用卷积神经网络(CNN)进行入侵检测.主要采用不同数量样本进行对比,结果显示,卷积神经网络效果与样本量的多少相关性不大;并和传统没有可视化处理数据的方式进行对比,结果显示,可视化处理后的检测效果相对较好.
推荐文章
基于深度序列加权核极限学习的入侵检测算法
深度信念网络
序列学习
核极限学习
样本加权
入侵检测
基于锚框的深度学习物体目标检测算法概览
深度学习
卷积神经网络
一阶段检测
二阶段检测
数据集
分类预测
位置回归
锚框
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
基于深度序列加权核极限学习的入侵检测算法
深度信念网络
序列学习
核极限学习
样本加权
入侵检测
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 基于深度学习的入侵检测算法
来源期刊 物联网技术 学科
关键词 深度学习 网络安全 入侵检测 卷积神经网络 可视化处理 KDD CUP99
年,卷(期) 2020,(6) 所属期刊栏目 智能处理与应用
研究方向 页码范围 108-110
页数 3页 分类号 TP391.4
字数 语种 中文
DOI 10.16667/j.issn.2095-1302.2020.06.033
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 左羽 贵州师范学院数学与大数据学院 45 65 5.0 5.0
2 吴恋 贵州师范学院数学与大数据学院 25 14 2.0 2.0
3 赵晨洁 贵州师范学院数学与大数据学院 6 1 1.0 1.0
7 于国龙 贵州师范学院数学与大数据学院 30 25 3.0 4.0
8 韦萍萍 贵州师范学院数学与大数据学院 21 75 6.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (81)
共引文献  (556)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1943(1)
  • 参考文献(0)
  • 二级参考文献(1)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
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(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(8)
  • 参考文献(0)
  • 二级参考文献(8)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(8)
  • 参考文献(0)
  • 二级参考文献(8)
2015(11)
  • 参考文献(0)
  • 二级参考文献(11)
2016(13)
  • 参考文献(0)
  • 二级参考文献(13)
2017(7)
  • 参考文献(2)
  • 二级参考文献(5)
2018(4)
  • 参考文献(3)
  • 二级参考文献(1)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
网络安全
入侵检测
卷积神经网络
可视化处理
KDD CUP99
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
物联网技术
月刊
2095-1302
61-1483/TP
16开
2011-01-01
chi
出版文献量(篇)
5103
总下载数(次)
0
总被引数(次)
13151
论文1v1指导