典型文献
一种混合采样与膨胀卷积相结合的入侵检测模型设计
文献摘要:
基于机器学习的入侵检测模型在网络环境的安全保护中起着至关重要的作用.然而,入侵检测数据集存在不平衡类问题,限制了分类器对少数类的检测性能,降低了少数类的检测率.为了解决入侵检测数据集数据不平衡的问题,提出一种新的混合采样技术(SSG),由基于支持向量机(SVM)合成少数类过采样(SMOTE)算法和高斯混合模型(GMM)欠采样聚类技术相结合.其次,为了解决网络入侵数据特征学习不充分的问题,运用特征提取功能强的膨胀卷积神经网络模型(DCNN),使用膨胀卷积来增大对信息的感受野,从而提取高级特征.在UNSW-NB15数据集进行多分类实验,取得了97.04%的检测准确率,实验结果优于其他模型和现有的方法,为大规模不平衡的网络数据入侵检测提供了一个有效的方案.
文献关键词:
入侵检测;深度学习;数据不平衡;混合采样;膨胀卷积;UNSW-NB15数据集
中图分类号:
作者姓名:
刘兴元;缪祥华
作者机构:
昆明理工大学 信息工程与自动化学院;昆明理工大学 云南省计算机技术应用重点实验室
文献出处:
引用格式:
[1]刘兴元;缪祥华-.一种混合采样与膨胀卷积相结合的入侵检测模型设计)[J].化工自动化及仪表,2022(01):27-35
A类:
B类:
混合采样,入侵检测模型,模型设计,基于机器学习,网络环境,安全保护,检测数据集,分类器,少数类,检测性能,检测率,数据不平衡,SSG,过采样,SMOTE,高斯混合模型,GMM,欠采样,聚类技术,技术相结合,网络入侵,数据特征,特征学习,运用特征,膨胀卷积神经网络,卷积神经网络模型,DCNN,感受野,UNSW,NB15,多分类,检测准确率,网络数据
AB值:
0.365087
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。