钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
大学学报期刊
\
北京化工大学学报(自然科学版)期刊
\
基于联邦学习的网络异常检测
基于联邦学习的网络异常检测
作者:
赵英
王丽宝
陈骏君
滕建
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
联邦学习
网络异常检测
深度学习
卷积神经网络(CNN)
摘要:
作为一类网络安全的基础研究,网络异常检测技术目前还存在检测准确率低、误报率高以及缺乏标签数据等问题.为此提出一种融合联邦学习和卷积神经网络的网络入侵检测分类模型(CNN-FL),可有效解决多个参与者在不共享隐私数据的情况下进行一个全局模型的协作训练时所带来的问题.该模型无需汇集模型训练所需要的数据进行集中计算,只是传递加密的梯度相关数据,即可利用多源数据协同训练同一模型,并解决缺乏标签数据的问题.随后将该模型应用于二分类和多分类方法中,并在同一基准数据集NSL-KDD上进行了实验比较与分析,实验结果表明,与其他研究方法相比,所提CNN-FL分类模型在二分类以及多分类中具有较高的识别性能和分类精度.
暂无资源
收藏
引用
分享
推荐文章
基于机器学习的网络异常流量检测方法
机器学习
ANFIS
BP神经网络
网络异常流量检测
基于迁移学习和D-S理论的网络异常检测
迁移学习
D-S理论
异常行为分析
数据融合
基于AlexNet迁移学习的磁异常信号检测方法
航空反潜
磁异常信号
检测
时频分析
AlexNet
迁移学习
基于深度学习特征的异常行为检测
异常行为
深度学习特征
堆积去噪编码器
特征提取
稠密轨迹
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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
基于联邦学习的网络异常检测
来源期刊
北京化工大学学报(自然科学版)
学科
关键词
联邦学习
网络异常检测
深度学习
卷积神经网络(CNN)
年,卷(期)
2021,(2)
所属期刊栏目
机电工程和信息科学|Mechanical Engineering and Informatics
研究方向
页码范围
92-99
页数
8页
分类号
TP393
字数
语种
中文
DOI
10.13543/j.bhxbzr.2021.02.012
五维指标
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(70)
共引文献
(54)
参考文献
(8)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
1978(1)
参考文献(0)
二级参考文献(1)
1986(2)
参考文献(0)
二级参考文献(2)
1988(1)
参考文献(0)
二级参考文献(1)
1989(1)
参考文献(1)
二级参考文献(0)
1991(2)
参考文献(0)
二级参考文献(2)
1992(1)
参考文献(0)
二级参考文献(1)
1993(1)
参考文献(0)
二级参考文献(1)
1994(1)
参考文献(0)
二级参考文献(1)
1995(1)
参考文献(0)
二级参考文献(1)
1996(1)
参考文献(0)
二级参考文献(1)
2002(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)
2005(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)
2008(5)
参考文献(0)
二级参考文献(5)
2009(1)
参考文献(0)
二级参考文献(1)
2010(5)
参考文献(0)
二级参考文献(5)
2011(1)
参考文献(0)
二级参考文献(1)
2012(3)
参考文献(0)
二级参考文献(3)
2013(8)
参考文献(0)
二级参考文献(8)
2014(3)
参考文献(0)
二级参考文献(3)
2015(6)
参考文献(1)
二级参考文献(5)
2016(12)
参考文献(0)
二级参考文献(12)
2017(9)
参考文献(2)
二级参考文献(7)
2018(3)
参考文献(2)
二级参考文献(1)
2019(2)
参考文献(2)
二级参考文献(0)
2021(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
联邦学习
网络异常检测
深度学习
卷积神经网络(CNN)
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
北京化工大学学报(自然科学版)
主办单位:
北京化工大学
出版周期:
双月刊
ISSN:
1671-4628
CN:
11-4755/TQ
开本:
16开
出版地:
北京市北三环东路15号
邮发代号:
82-657
创刊时间:
1972
语种:
chi
出版文献量(篇)
3271
总下载数(次)
7
总被引数(次)
27609
期刊文献
相关文献
1.
基于机器学习的网络异常流量检测方法
2.
基于迁移学习和D-S理论的网络异常检测
3.
基于AlexNet迁移学习的磁异常信号检测方法
4.
基于深度学习特征的异常行为检测
5.
基于NB分类方法的网络异常检测模型
6.
基于AR模型的网络异常检测
7.
基于时间序列分析的网络流量异常检测
8.
基于机器学习的网络异常流量检测方法
9.
基于机器学习算法的网络入侵检测
10.
基于聚类的网络异常检测
11.
基于深度迁移学习的网络入侵检测
12.
基于模糊核聚类和主动学习的异常检测方法
13.
基于层叠模型的网络流量异常检测方法
14.
基于入侵特征选择的网络异常数据检测模型
15.
基于分层概率图的动态网络在线异常检测方法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
北京化工大学学报(自然科学版)2021
北京化工大学学报(自然科学版)2020
北京化工大学学报(自然科学版)2019
北京化工大学学报(自然科学版)2018
北京化工大学学报(自然科学版)2017
北京化工大学学报(自然科学版)2016
北京化工大学学报(自然科学版)2015
北京化工大学学报(自然科学版)2014
北京化工大学学报(自然科学版)2013
北京化工大学学报(自然科学版)2012
北京化工大学学报(自然科学版)2011
北京化工大学学报(自然科学版)2010
北京化工大学学报(自然科学版)2009
北京化工大学学报(自然科学版)2008
北京化工大学学报(自然科学版)2007
北京化工大学学报(自然科学版)2006
北京化工大学学报(自然科学版)2005
北京化工大学学报(自然科学版)2004
北京化工大学学报(自然科学版)2003
北京化工大学学报(自然科学版)2002
北京化工大学学报(自然科学版)2001
北京化工大学学报(自然科学版)2000
北京化工大学学报(自然科学版)1999
北京化工大学学报(自然科学版)2021年第4期
北京化工大学学报(自然科学版)2021年第3期
北京化工大学学报(自然科学版)2021年第2期
北京化工大学学报(自然科学版)2021年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号