FAILED
首站-论文投稿智能助手
典型文献
基于深度神经网络学习的防火墙拦截效能评估
文献摘要:
随着防火墙技术的不断发展,云计算、大数据、社交网络、BYOD相继出现,新一代防火墙面临更多挑战,需要不断增大监控力度、提升管理复杂度、迎接未知威胁及性能的挑战.为了提高防火墙拦截效能的评估能力,该文提出了一种基于云特征提取和深度神经网络学习的防火墙拦截能力评估优化方法.使用KDD'99训练集攻击防火墙,测试防火墙的拦截能力[1].云特征提取和本地拦截信息配合深度神经网络建模威胁文件,对防火墙进行未知威胁拦截测试,并利用入侵拦截信息动态评估防火墙的未知威胁拦截情况.实验表明,该模型能有效地评估防火墙拦截的有效性,提高对未知威胁的拦截检测能力.
文献关键词:
拦截;深度神经网络;防火墙;网络安全
作者姓名:
彭东城;林佳聪;屈晓静;李君
作者机构:
广东工业大学华立学院,广东广州511325
引用格式:
[1]彭东城;林佳聪;屈晓静;李君-.基于深度神经网络学习的防火墙拦截效能评估)[J].电脑知识与技术,2022(05):40-42
A类:
B类:
深度神经网络,神经网络学习,拦截,效能评估,防火墙技术,社交网络,BYOD,墙面,提升管理,未知威胁,评估能力,能力评估,评估优化,KDD,训练集,网络建模,动态评估,检测能力
AB值:
0.225456
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。