基于CNN-LSTM混合模型的入侵检测算法研究

发布时间：2021-08-26 19:56

　　本文通过CNN提取网络数据连接基本特征,并将卷积运算后输出的高级特征作为LSTM网络的输入参数进行长序列预测,有效地解决LSTM的输入序列特征难题。本文以KDD99训练集进行模型训练和测试,实验证明本文设计CNN-LSTM混合模型有较高的准确率和F1值。 

【文章来源】：网络安全技术与应用. 2020,(05)

【文章页数】：4 页

【参考文献】：
期刊论文
[1]基于Adam优化GRU神经网络的SCADA系统入侵检测方法[J]. 陈土生.  现代计算机. 2019(15)
[2]LSTM Based Reserve Prediction for Bank Outlets[J]. Yu Liu,Shuting Dong,Mingming Lu,Jianxin Wang.  Tsinghua Science and Technology. 2019(01)
[3]基于注意力长短时记忆网络的中文词性标注模型[J]. 司念文,王衡军,李伟,单义栋,谢鹏程.  计算机科学. 2018(04)
[4]海量数据环境下用于入侵检测的深度学习方法[J]. 高妮,贺毅岳,高岭.  计算机应用研究. 2018(04)



本文编号：3364869