一种基于卷积神经网络的入侵检测方法

• 作者: 时东阁 李润知 林予松 毛保磊 章晓庆
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 网络安全 入侵检测 深度学习 卷积神经网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 安全技术
• 页码范围: 323-327,333
• 页数: 6页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.10.052

摘要

在网络流量较大及复杂入侵环境下,传统入侵检测系统检测能力弱且精度低.针对此问题,提出一种基于卷积神经网络的检测方法CNN-Focal.利用卷积神经网络对数据进行特征提取,使用Softmax回归进行多分类,并采用Focal loss损失函数解决NSL-KDD数据集不平衡的问题.实验结果表明,CNN-Focal的精度与F1评分分别达到79.25％和76.9％,与其他机器学习算法相比,其精度和F1评分有显著提高.