PCA-LSTM在网络入侵检测中的应用

发布时间：2021-06-28 20:02

　　近年来,随着互联网技术的持续发展,人们在依赖于网络所带来的极大方便的同时,也面临着各种各样的安全威胁。入侵检测系统是网络安全防护的重要工具,它能够实时监测网络环境,识别网络漏洞。长短期记忆神经网络是一种经典的深度学习方法,它能够有效解决梯度消失和梯度爆炸问题。本文将LSTM算法用于入侵检测,提出了基于PCA-LSTM的入侵检测模型,经过仿真模拟实验证明,该模型具有良好的入侵检测性能。 

【文章来源】：价值工程. 2020,39(15)

【文章页数】：4 页

【部分图文】：

长短期记忆神经网络LSTM结构图

如果处于LSTM训练模式，则对降维后的输入向量进行LSTM训练操作，得到最优化参数组合（σ，tanh,W），并将其存入事件日志库。如果处于LSTM测试模式，则对降维后的输入向量进行LSTM测试操作，得到输出结果，并将结果存入事件日志库，然后系统会对判定为攻击行为的事件做出相应的响应处理。

【参考文献】：
期刊论文
[1]基于深度学习的网络流量异常预测方法[J]. 黎佳玥,赵波,李想,刘会,刘一凡,邹建文.  计算机工程与应用. 2020(06)
[2]基于BiLSTM和Attention的命令序列检测方法[J]. 牟宸洲,薛质,施勇.  通信技术. 2019(12)

博士论文
[1]基于数据挖掘的网络入侵检测关键技术研究[D]. 郭春.北京邮电大学 2014

硕士论文
[1]基于深度学习的入侵检测研究与实现[D]. 张宝安.北京邮电大学 2019



本文编号：3254961