基于集成降噪自编码的在线网络入侵检测模型

• 作者: 吴德鹏 柳毅
• 来源期刊: 计算机应用研究
• 关键词: 网络安全 入侵检测 降噪自编码网络 CICIDS2017数据集
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 信息安全技术
• 页码范围: 3396-3400
• 页数: 5页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.07.0300

摘要

针对神经网络在线入侵检测模型训练时易出现过拟合和泛化能力弱的问题,提出基于改进的集成降噪自编码在线入侵检测模型以区分正常和异常的流量模式.降噪自编码减少了训练数据与测试数据的差别,缓解过拟合问题,提高模型的性能.同时阈值的选择方法直接影响网络入侵检测模型检测精度,该阈值采用随机方法确定,无须于离线入侵检测,无须通过完整的数据集即可选择最佳的阈值.采用CICIDS2017中的异常的数据流对模型进行测试,准确率分别为90.19％.结果表明,作为一种在线检测模型,提出的异常检测模型优于其他异常检测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柳毅		36	83	5.0	8.0
2	吴德鹏		2	0	0.0	0.0