典型文献
结合卷积神经网络和三支决策的入侵检测算法
文献摘要：
随着网络入侵行为的多样化和智能化,传统的入侵检测算法在面对高维特征、非线性的海量数据时,存在特征提取不充分、模型分类不够精确等问题,为此,提出了一种结合卷积神经网络(convolutional neural networks,CNN)和三支决策(three-way decision,TWD)的入侵检测算法.卷积神经网络具有优越的特征提取能力;同时,三支决策可以规避因信息不足而盲目分类造成的风险,且减少分类所耗费的时间.该方法通过卷积神经网络对高维数据进行特征提取,构建多粒度特征空间,然后基于三支决策理论对网络行为做出即时决策,对于无法即时决策的网络行为进行延迟决策,即对该部分网络行为再次特征提取以构建不同的粒度特征空间,最后输出分类结果.该方法建立的模型在NSL-KDD、CIC-IDS2017数据集上的实验结果表明,提出的算法可以提升入侵检测系统的性能.
文献关键词：
卷积神经网络;三支决策;特征提取;入侵检测
中图分类号：
作者姓名：
吴启睿;黄树成
作者机构：
江苏科技大学 计算机学院,江苏 镇江 212003
文献出处：
引用格式：
[1]吴启睿;黄树成-.结合卷积神经网络和三支决策的入侵检测算法)[J].计算机工程与应用,2022(13):119-127
A类：
IDS2017
B类：
入侵检测算法,网络入侵,入侵行为,高维特征,海量数据,存在特征,模型分类,convolutional,neural,networks,three,way,decision,TWD,特征提取能力,少分,所耗,耗费,高维数据,多粒度特征,特征空间,三支决策理论,网络行为,该部,分网,NSL,KDD,CIC,升入,入侵检测系统
AB值：
0.327377
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。
