典型文献
端到端的基于深度学习的网络入侵检测方法
文献摘要：
当前网络入侵检测大多使用人工特征,但是人工特征往往不能适应新型攻击,重新设计人工特征又需要专家知识.对此,提出了一种算法,该算法从网络流量数据中提取会话作为样本,并将样本送入两个神经网络,会话的一系列有时间顺序的数据包视为一维序列送入门控循环单元,融合会话的一系列数据包视为二维图像送入卷积神经网络.分别在两个网络提取特征,最后融合这两个特征送入全连接网络执行入侵检测.所提算法同时关注了会话的时序信息和整体空间信息,自动从流量数据中学习特征.使用CICIDS-2018网络流量数据进行实验,实验表明该算法识别僵尸网络、分布式拒绝服务攻击的效果优于人工特征.
文献关键词：
入侵检测;深度学习;流量分割;流量可视化;DDoS检测
中图分类号：
作者姓名：
王金华
作者机构：
四川大学,四川 成都 610207
文献出处：
引用格式：
[1]王金华-.端到端的基于深度学习的网络入侵检测方法)[J].通信技术,2022(06):762-770
A类：
流量分割
B类：
端到端,网络入侵检测,入侵检测方法,重新设计,专家知识,网络流量,流量数据,会话,送入,列有,数据包,维序,入门,门控循环单元,合会,二维图像,提取特征,全连接网络,时序信息,空间信息,学习特征,CICIDS,算法识别,僵尸网络,分布式拒绝服务攻击,流量可视化,DDoS
AB值：
0.372792
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。
