典型文献
结合特征选择的SAE-LSTM入侵检测模型
文献摘要：
入侵检测系统(IDS)是计算机和通信系统中对攻击进行预警的重要技术.目前的IDS在安全检测方面存在2个问题:1)存在大量高维冗余数据及不相关特征干扰分类过程;2)现有模型多是针对早期网络攻击类型,对新型攻击适应性较差.针对这2个问题,提出了一种结合特征选择的SAE-LSTM入侵检测框架,采用融合聚类思想的随机森林特征打分机制,弥补在特征量大的情况下计算消耗高的不足.将特征选取后的数据,先经稀疏自动编码器进行数据重构,再由LSTM模型进行分类检测.实验在UNSW-NB15网络数据集上进行,结果表明:模型在时间戳步长为8时表现最佳,准确率达98％以上,误报率低至4.18％,与其他入侵检测模型相比有着更优秀的检测效果.
文献关键词：
入侵检测系统;随机森林;聚类;稀疏自动编码器;循环神经网络
中图分类号：
作者姓名：
王文涛;汤婕;王嘉鑫
作者机构：
中南民族大学 计算机科学学院 & 湖北省制造企业智能管理工程技术研究中心,武汉 430074
文献出处：
引用格式：
[1]王文涛;汤婕;王嘉鑫-.结合特征选择的SAE-LSTM入侵检测模型)[J].中南民族大学学报（自然科学版）,2022(03):347-355
A类：
B类：
特征选择,SAE,入侵检测模型,入侵检测系统,IDS,通信系统,对攻,安全检测,高维,冗余数据,不相关特征,干扰分类,分类过程,现有模型,网络攻击,检测框架,打分,分机,特征量,计算消耗,特征选取,稀疏自动编码器,数据重构,分类检测,UNSW,NB15,网络数据,时间戳,步长,误报率,检测效果,循环神经网络
AB值：
0.443713
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
