基于卷积神经网络与跳跃连接的网络入侵检测系统

• 作者: 孙旭日 彭博 程辉
• 来源期刊: 现代计算机
• 关键词: 网络入侵检测系统 神经网络 跳跃连接
• 年，卷（期）: 2020,（13）
• 所属期刊栏目: 研究与开发
• 页码范围: 44-50
• 页数: 7页
• 字数: 4569字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.13.009

摘要

网络入侵检测系统(NIDS)在保护计算机网络中扮演着至关重要的角色.现有的方法不能持续性地检测新型攻击行为.此外,手工设计特征提取是繁琐的并且无法选择出非常适合的特征进行网络入侵检测.为了解决上述挑战,提出一种新颖的基于卷积神经网络的入侵检测模型.该方法能自动化地提取复杂高维的特征,并且引入跳跃链接克服神经网络训练的过拟合问题,从而实现高准确率.实验显示,提出的方法在KDD99数据集下取得98.33％的准确率,优于基于传统的机器学习方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙旭日		9	73	4.0	8.0
2	彭博		7	9	2.0	3.0
3	程辉		2	0	0.0	0.0