基于深度学习的工业物联网智能入侵检测

• 作者: 周巧 胡向东
• 来源期刊: 计算机系统应用
• 关键词: 工业物联网 入侵检测 自适应采样算法 堆叠卷积自编码 Adam算法
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 专论·综述
• 页码范围: 47-56
• 页数: 10页
• 字数: 7815字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007620

摘要

如何有效识别工业物联网入侵攻击行为是一个新挑战.针对工业物联网中入侵检测特征提取不高、检测效率低、适应能力差等问题,提出一种基于深度学习的工业物联网智能入侵检测方法.首先,在数据处理上改进采样算法用于调节少数类别样本数量,提高检测精度;其次,构建堆叠降噪卷积自编码网络提取关键特征,结合卷积神经网络和降噪自编码器,加强特征识别能力;为了避免信息丢失和信息模糊,改进池化操作以增加其自适应处理能力,并在模型训练过程中采用Adam算法获取最优参数;最后,采用NSL-KDD数据集测试提出方法的性能.实验结果表明,该方法相比现有的RNN、DBN和IDABCNN的准确率分别提高了3.66％、4.93％ 和4.6％;与未经采样算法的SDCAENN试验对比,U2R和R2L的检测精度分别提高17.57％ 和3.28％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡向东	重庆邮电大学自动化学院	90	981	16.0	28.0
2	周巧	重庆邮电大学自动化学院	1	0	0.0	0.0