典型文献
基于改进DNN的物联网异常攻击检测方法
文献摘要：
针对训练样本不足时,传统物联网异常攻击检测模型精准度不足的问题,引入决策树(DT)来对深度神经网络(DNN)模型进行改进.决策树的加入,让DNN进行及特征提取时,更容易获得最优的显著特征集;同时,通过决策树还能够对特征特点进行总结,通过DNN的感知学习能力,推断出新的特征,使模型能够识别出更多的物联网行为.最后,通过仿真验证改进后的模型性能,结果表明,DT-DNN模型能够对黑洞攻击、DDoS攻击等多种物联网攻击行为进行检测,且检测具有相对较高的精确度、召回率和F1分数,证明该检测模型可应用于多种物联网攻击类型检测,具有一定的实用性.
文献关键词：
物联网;DNN神经网络;异常攻击检测;决策树;特征筛选
中图分类号：
作者姓名：
张思涵;姜久超
作者机构：
安徽工商职业学院 管理学院,安徽省合肥市双凤经济开发区金宁路北16号 231131;河北水利电力学院 电气自动化系,河北省沧州市黄河西路49号 061001
文献出处：
引用格式：
[1]张思涵;姜久超-.基于改进DNN的物联网异常攻击检测方法)[J].河北水利电力学院学报,2022(04):60-66
A类：
B类：
DNN,异常攻击检测,训练样本,检测模型,决策树,DT,深度神经网络,显著特征,征集,推断出,仿真验证,模型性能,黑洞,DDoS,攻击行为,召回率,类型检测,特征筛选
AB值：
0.284494
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。
