作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文通过CNN提取网络数据连接基本特征,并将卷积运算后输出的高级特征作为LSTM网络的输入参数进行长序列预测,有效地解决LSTM的输入序列特征难题.本文以KDD99训练集进行模型训练和测试,实验证明本文设计CNN-LSTM混合模型有较高的准确率和F1值.
推荐文章
基于多流CNN-LSTM网络的群体情绪识别
群体情绪识别
卷积神经网络
长短期记忆网络
多流
基于添加Dropout层的CNN-LSTM网络短期负荷预测
Dropout技术
长短期记忆网络
卷积网络
负荷预测
基于CNN-LSTM的QAR数据特征提取与预测
深度学习
融合卷积神经网络
长短时记忆网络
特征提取
时间序列预测
运用CNN-LSTM混合模型的短文本分类
短文本
卷积神经网络
长短时记忆网络
CNN-LSTM混合模型
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CNN-LSTM混合模型的入侵检测算法研究
来源期刊 网络安全技术与应用 学科
关键词 入侵检测 CNN LSTM
年,卷(期) 2020,(5) 所属期刊栏目 安全模型、算法与编程
研究方向 页码范围 61-64
页数 4页 分类号
字数 3005字 语种 中文
DOI
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 郑伟发 广东财经大学网络信息中心 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (41)
共引文献  (36)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(7)
  • 参考文献(2)
  • 二级参考文献(5)
2019(2)
  • 参考文献(2)
  • 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
入侵检测
CNN
LSTM
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
网络安全技术与应用
月刊
1009-6833
11-4522/TP
大16开
北京市
2-741
2001
chi
出版文献量(篇)
13340
总下载数(次)
61
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导