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
\
基础科学期刊
\
大学学报期刊
\
华中科技大学学报(自然科学版)期刊
\
基于深度学习特征提取的网络入侵检测方法
基于深度学习特征提取的网络入侵检测方法
作者:
宋勇
侯冰楠
蔡志平
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
深度学习
稀疏自编码
抑制与激励
特征提取
逐层贪婪训练
支持向量机
摘要:
针对在构建深度学习模型过程中,神经网络隐藏层的层数和每层神经元节点数主要通过人工专家的主观经验设置,深度学习模型智能化不够、适应性不强的问题,提出了一种应用于网络入侵检测的自适应、智能化的深度学习特征提取方法.该方法采用逐层贪婪训练的策略,通过改进稀疏自编码神经网络训练的方式,形成了一个自适应、智能化的特征提取神经网络.最后利用基于支持向量机的多类分类器,形成了一种基于深度学习特征提取的网络入侵检测系统.实验表明:与基于自编码网络的支持向量机入侵检测模型(AN-SVM)和基于核主成分分析与遗传算法相结合的支持向量机模型(KPCA-GA-SVM)入侵检测方法相比,准确率平均提高了5.01%,误报率平均降低了6.24%,检测时间平均降低了16%,说明了该方法优于其他类似方法.
暂无资源
收藏
引用
分享
推荐文章
基于深度学习的网络流时空特征自动提取方法
网络流量
网络入侵检测
卷积神经网络
循环神经网络
时空特征提取
基于深度序列加权核极限学习的入侵检测算法
深度信念网络
序列学习
核极限学习
样本加权
入侵检测
基于网络流跨层特征的深度入侵检测方法
入侵检测
Text-CNN
网络流
载荷特征
基于深度学习的文本特征提取研究综述
深度学习
特征提取
文本特征
自然语言处理
文本挖掘
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
基于深度学习特征提取的网络入侵检测方法
来源期刊
华中科技大学学报(自然科学版)
学科
工学
关键词
深度学习
稀疏自编码
抑制与激励
特征提取
逐层贪婪训练
支持向量机
年,卷(期)
2021,(2)
所属期刊栏目
信息安全
研究方向
页码范围
115-120
页数
6页
分类号
TP183
字数
语种
中文
DOI
10.13245/j.hust.210219
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
(19)
共引文献
(50)
参考文献
(10)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
1986(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)
2006(2)
参考文献(0)
二级参考文献(2)
2009(2)
参考文献(0)
二级参考文献(2)
2010(1)
参考文献(0)
二级参考文献(1)
2011(1)
参考文献(0)
二级参考文献(1)
2012(1)
参考文献(0)
二级参考文献(1)
2013(4)
参考文献(1)
二级参考文献(3)
2014(7)
参考文献(2)
二级参考文献(5)
2015(3)
参考文献(2)
二级参考文献(1)
2016(1)
参考文献(0)
二级参考文献(1)
2017(2)
参考文献(2)
二级参考文献(0)
2018(1)
参考文献(1)
二级参考文献(0)
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
深度学习
稀疏自编码
抑制与激励
特征提取
逐层贪婪训练
支持向量机
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
华中科技大学学报(自然科学版)
主办单位:
华中科技大学
出版周期:
月刊
ISSN:
1671-4512
CN:
42-1658/N
开本:
大16开
出版地:
武汉市珞喻路1037号
邮发代号:
38-9
创刊时间:
1973
语种:
chi
出版文献量(篇)
9146
总下载数(次)
26
总被引数(次)
88536
期刊文献
相关文献
1.
基于深度学习的网络流时空特征自动提取方法
2.
基于深度序列加权核极限学习的入侵检测算法
3.
基于网络流跨层特征的深度入侵检测方法
4.
基于深度学习的文本特征提取研究综述
5.
一种基于PCA技术的入侵检测特征提取方法
6.
基于知识约简的网络入侵特征提取
7.
基于特征选择算法的网络入侵检测系统设计
8.
基于深度神经网络的遥感目标检测及特征提取
9.
基于神经网络和CFS特征选择的网络入侵检测系统
10.
基于CNN和LSTM深度网络的伪装用户入侵检测
11.
基于深度神经网络的入侵检测方法
12.
基于深度学习的PRPD数据特征提取方法
13.
基于BP神经网络和特征选择的入侵检测模型
14.
基于异卷积神经网络的入侵检测
15.
入侵检测建模过程中特征提取最优化评估
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
力学
化学
地球物理学
地质学
基础科学综合
大学学报
天文学
天文学、地球科学
数学
气象学
海洋学
物理学
生物学
生物科学
自然地理学和测绘学
自然科学总论
自然科学理论与方法
资源科学
非线性科学与系统科学
华中科技大学学报(自然科学版)2022
华中科技大学学报(自然科学版)2021
华中科技大学学报(自然科学版)2020
华中科技大学学报(自然科学版)2019
华中科技大学学报(自然科学版)2018
华中科技大学学报(自然科学版)2017
华中科技大学学报(自然科学版)2016
华中科技大学学报(自然科学版)2015
华中科技大学学报(自然科学版)2014
华中科技大学学报(自然科学版)2013
华中科技大学学报(自然科学版)2012
华中科技大学学报(自然科学版)2011
华中科技大学学报(自然科学版)2010
华中科技大学学报(自然科学版)2009
华中科技大学学报(自然科学版)2008
华中科技大学学报(自然科学版)2007
华中科技大学学报(自然科学版)2006
华中科技大学学报(自然科学版)2005
华中科技大学学报(自然科学版)2004
华中科技大学学报(自然科学版)2003
华中科技大学学报(自然科学版)2002
华中科技大学学报(自然科学版)2001
华中科技大学学报(自然科学版)2000
华中科技大学学报(自然科学版)1999
华中科技大学学报(自然科学版)2021年第9期
华中科技大学学报(自然科学版)2021年第8期
华中科技大学学报(自然科学版)2021年第7期
华中科技大学学报(自然科学版)2021年第6期
华中科技大学学报(自然科学版)2021年第5期
华中科技大学学报(自然科学版)2021年第4期
华中科技大学学报(自然科学版)2021年第3期
华中科技大学学报(自然科学版)2021年第2期
华中科技大学学报(自然科学版)2021年第12期
华中科技大学学报(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