典型文献
雾计算环境下入侵检测模型研究
文献摘要：
当网络在云数据中心发送和处理数据的延迟较大时,大多实时智能应用程序都难以达到预期效果.雾计算允许这些对延迟敏感的应用程序在边缘设备上运行,这些设备被称为雾节点,其在地理位置上更接近应用程序.然而,雾计算中的雾节点通常计算资源有限,容易受到海量高维异常流量攻击,为此,提出一种特征降维的改进准递归神经网络,并基于该网络构建轻量级入侵检测模型FR-IQRNN.将雾节点采集到的高维攻击样本编码为低维向量以减少冗余特征,利用FR-IQRNN的循环连接捕获低维向量的时间依赖关系,同时在时间步长和小批量维度中实现并行计算,在此基础上,引入注意力机制强化模型对关键特征的提取能力,从而实现雾节点的入侵检测.在公开数据集UNSW_NB15上,FR-IQRNN模型能取得99.51％的准确率、99.23％的精确率以及99.79％的召回率,优于RNN-IDS、AESVM等模型,并且仅需127.94 s便达到95％以上的训练精度.在NSL-KDD数据集上,FR-IQRNN模型获得99.39％的准确率和99.27％的召回率,且在鲁棒性方面表现突出.
文献关键词：
雾计算;入侵检测;降维;准递归神经网络;并行运算;注意力机制
中图分类号：
作者姓名：
李晋国;焦旭斌
作者机构：
上海电力大学 计算机科学与技术学院,上海 200000
文献出处：
引用格式：
[1]李晋国;焦旭斌-.雾计算环境下入侵检测模型研究)[J].计算机工程,2022(05):43-52
A类：
准递归神经网络,IQRNN,AESVM
B类：
雾计算,计算环境,入侵检测模型,云数据中心,发送,智能应用程序,难以达到,预期效果,边缘设备,雾节点,计算资源,高维,异常流量,特征降维,网络构建,轻量级,FR,低维,冗余特征,时间依赖,依赖关系,时间步长,小批量,并行计算,注意力机制,强化模型,关键特征,特征的提取,公开数据集,UNSW,NB15,能取,精确率,召回率,IDS,NSL,KDD,并行运算
AB值：
0.340433
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。
