典型文献
融合深度学习和在线增量学习的网络入侵检测方法研究
文献摘要：
物联网高速发展的浪潮对入侵系统的时效性和可用性提出了新的要求,如何从海量高维数据流中发现入侵行为成为当前入侵检测技术研究的一个热点.采用一种在线增量学习的方法来持续更新海量高维数据场景下的入侵检测模型,该方法融合深度学习和在线增量学习方法来实现海量高维流量数据特征的提取与入侵检测模型的自适应更新,使得模型能有有效应对流量数据的随机波动行为.实验表明,本文的方法能够更好应对新增流量数据分布的差异性问题,满足入侵检测系统的时效性高、自适应学习需求.
文献关键词：
深度学习;在线增量学习;入侵检测;自适应学习
中图分类号：
作者姓名：
杜翠凤
作者机构：
中电科普天科技股份有限公司运营商事业部
文献出处：
引用格式：
[1]杜翠凤-.融合深度学习和在线增量学习的网络入侵检测方法研究)[J].广东通信技术,2022(05):41-47
A类：
在线增量学习
B类：
网络入侵检测,入侵检测方法,可用性,海量高维数据,数据流,入侵行为,入侵检测技术,新海,数据场,入侵检测模型,方法融合,流量数据,数据特征,特征的提取,自适应更新,随机波,数据分布,入侵检测系统,自适应学习,学习需求
AB值：
0.283996
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。
