基于优化特征集的LeNet-5攻击检测模型的态势感知技术

发布时间：2021-12-02 14:32

　　随着我国工业控制系统的高速发展,为应对其日益突出的安全问题,对LeNet-5卷积神经网络在攻击检测中的应用作出改进,通过建立有效特征集和优化有效特征集两个方面优化特征数据的选择,随后经过卷积层及池化层的计算和特征值的提取,将结果输入到softmax分类器里进行网络攻击行为识别,从而实现对网络攻击的检测。最后利用KDD CUP99数据集对提出的模型进行测试,实验结果表明该改进的LeNet-5攻击检测模型的表现相比于传统机器学习方法,在降低数据样本冗余度的同时提高了攻击检测的精度,具备一定的可行性。 

【文章来源】：计算机应用研究. 2020,37(S1)北大核心CSCD

【文章页数】：3 页

【参考文献】：
期刊论文
[1]基于卡方检验和LDOF算法的入侵检测技术研究[J]. 胡天宇,刘嵩.  齐鲁工业大学学报. 2019(03)
[2]面向网络入侵检测系统的深度卷积神经网络模型[J]. 刘月峰,王成,张亚斌,苑江浩.  内蒙古科技大学学报. 2018(01)
[3]基于深度学习和半监督学习的入侵检测算法[J]. 王声柱,李永忠.  信息技术. 2017(01)
[4]面向入侵检测系统的Deep Belief Nets模型[J]. 高妮,高岭,贺毅岳.  系统工程与电子技术. 2016(09)
[5]一种基于有监督局部决策分层支持向量机的异常检测方法[J]. 徐琴珍,杨绿溪.  电子与信息学报. 2010(10)
[6]聚类算法研究[J]. 孙吉贵,刘杰,赵连宇.  软件学报. 2008(01)

硕士论文
[1]卷积神经网络在入侵检测系统中的研究与应用[D]. 武天舒.华南理工大学 2018



本文编号：3528633