基于深度学习的入侵检测算法

• 作者: 于国龙 吴恋 左羽 赵晨洁 韦萍萍
• 来源期刊: 物联网技术
• 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
• 页码范围: 108-110
• 页数: 3页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2020.06.033

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.

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