基于卷积神经网络的入侵检测算法

发布时间：2018-06-30 19:23

  本文选题：入侵检测 + 深度学习　； 参考：《北京理工大学学报》2017年12期

【摘要】：作为深度学习的一种有效算法,深度卷积网络已成功应用在处理图像、视频和音频等领域.通过建立一卷积神经网络模型并应用于网络入侵检测,选取的卷积核与数据进行卷积操作提取特征的局部相关性从而提高特征提取的准确度.采集到的网络数据通过多层"卷积层-下采样层"的处理对网络中正常行为和异常行为的特征进行深度刻画,最后通过多层感知机进行正确分类.KDD 99数据集上的实验表明,文中提出的卷积神经网络模型与经典BP神经网络、SVM算法等相比,有效提高了入侵检测识别的分类准确性.
[Abstract]:As an effective algorithm for deep learning, deep convolution networks have been successfully applied to image processing, video and audio processing. By establishing a convolutional neural network model and applying it to network intrusion detection, the selected convolution kernel and data are selected to extract the local correlation of the features of the convolution operation, so as to improve the accuracy of feature extraction. The collected network data deeply depict the characteristics of normal behavior and abnormal behavior in the network through the processing of multi-layer "volume accumulation layer down sampling layer". Finally, the experiments on the correct classification of .KDD99 data set by multi-layer perceptron show that, Compared with the classical BP neural network and SVM algorithm, the proposed convolution neural network model can effectively improve the classification accuracy of intrusion detection and recognition.
【作者单位】： 北京交通大学电子信息工程学院;
【基金】：国家自然科学基金资助项目(61374120,61673387) 陕西省自然科学基金资助项目(2016JM6015)
【分类号】：TP18;TP393.08

【相似文献】

相关期刊论文 前10条

1 杨晓帅 ,付玫;神经网络技术让管理更轻松[J];软件世界;2000年11期

2 连红;潘志松;景凤宣;;一种基于规则和神经网络的系统在入侵检测中的应用(英文)[J];贵州师范大学学报(自然科学版);2006年04期

3 王兆霞;孙雨耕;张强;郝庭柱;孙小薇;秦娟;沈花玉;;基于复合神经网络的网络业务分类算法[J];天津大学学报;2006年S1期

4 陈熹;朱灿焰;;两种神经网络在入侵检测中的应用[J];通信技术;2011年11期

5 赵建华;李伟华;;有监督SOM神经网络在入侵检测中的应用[J];计算机工程;2012年12期

6 冯海亮;陈涤;林青家;陈春晓;;一种基于神经网络的网络流量组合预测模型[J];计算机应用;2006年09期

7 刘渊;曹建华;戴悦;;基于补偿器的灰色神经网络流量预测模型[J];计算机应用;2007年09期

8 黄巧云;;基于云模型与神经网络的网络态势分析[J];三明学院学报;2012年04期

9 乔晓梅;;基于粒子群算法优化的神经网络在入侵检测中的应用[J];商场现代化;2006年18期

10 刘晓;;基于径向基函数神经网络的网络流量识别模型[J];微型机与应用;2012年02期

相关会议论文 前3条

1 张文涛;Wlodek Kulesza;;基于BP神经网络的防火墙流量预测[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

2 李明;贾波;;基于神经网络的P2P流量识别方法[A];浙江省信号处理学会2011学术年会论文集[C];2011年

3 王志佳;顾健;;一种改进的确定有限自动机入侵检测算法研究[A];全国计算机安全学术交流会论文集·第二十五卷[C];2010年

相关重要报纸文章 前1条

1 ;您的网管系统够灵敏吗？[N];科技日报;2000年

相关博士学位论文 前4条

1 吴静;入侵检测中神经网络融合学习方法的研究[D];吉林大学;2010年

2 刘贵松;入侵检测的神经网络方法[D];电子科技大学;2007年

3 黄保华;对等系统的安全与激励机制研究[D];华中科技大学;2006年

4 曾剑平;基于模糊集的自适应伪装入侵检测算法及其在ASP服务安全中的应用研究[D];厦门大学;2006年

相关硕士学位论文 前10条

1 李保军;基于CRO高阶神经网络的流量矩阵估计研究[D];华中师范大学;2015年

2 黄正观;基于BP神经网络的通信网故障诊断算法研究与实现[D];华北电力大学;2015年

3 张义宏;基于PCA的BP神经网络优化的研究与应用[D];东北大学;2014年

4 苑帅;基于改进QPSO优化的RBF网络入侵检测研究[D];河北工业大学;2015年

5 张志超;基于神经网络的SQL注入式攻击漏洞检测问题的研究与实现[D];北京工业大学;2016年

6 喻宝禄;基于医疗云平台的一类疾病分析模型研究[D];贵州大学;2016年

7 张才峰;基于联合特征的LDoS攻击检测方法[D];中国民航大学;2016年

8 赵朗;基于深度学习的Web信息抽取研究与实现[D];浙江大学;2017年

9 姜军;基于粒子滤波的LDoS攻击检测方法[D];中国民航大学;2017年

10 周晓;基于优化神经网络的混合网络流量预测模型仿真与实现[D];北京交通大学;2017年

，

本文编号：2086579