典型文献
基于深度学习的网络入侵检测方法
文献摘要：
网络入侵检测是网络安全领域的重要课题,传统的机器学习检测算法以特征提取和特征分离为基础,存在检测能力不足和误报率高等问题.本文提出一种基于深度学习的网络入侵检测模型IDNet.其综合考虑流量数据中的空间特征和时间特征.首先使用卷积神经网络(CNN)提取流量数据的空间特征,然后通过递归神经网络(RNN)提取流量数据的时间特征,通过堆叠CNN+RNN模块,并逐步增加学习粒度,达到同时有效提取空间特征和时间特征的目的.试验结果表明,所提算法检测准确率和误报率均优于传统机器学习算法.
文献关键词：
网络入侵检测;人工智能;卷积神经网络;递归神经网络
中图分类号：
作者姓名：
陈雪
作者机构：
中移(上海)信息通信科技有限公司,上海201206
文献出处：
引用格式：
[1]陈雪-.基于深度学习的网络入侵检测方法)[J].电信工程技术与标准化,2022(08):88-92
A类：
IDNet,CNN+RNN
B类：
网络入侵检测,入侵检测方法,安全领域,检测算法,特征分离,检测能力,误报率,入侵检测模型,流量数据,空间特征,时间特征,递归神经网络,堆叠,有效提取,检测准确率,机器学习算法
AB值：
0.232228
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。
