基于非对称分解卷积的网络安全检测

发布时间：2022-12-04 11:46

　　近年来,网络安全检测已经取得了很大的进步。然而,网络迅速的发展、流量分布的变化和数据样本中的噪声等问题都对现有方法提出了很大的挑战。针对此,提出了基于非对称分解卷积的网络安全检测（Network Security Detection Basedon Asymmetric Decomposed Convolution,ADC-NSD）方法。ADC-NSD方法根据对网络连接数据的训练与学习,生成区别常态与危险状态的安全检测模型,通过对卷积神经网络中的卷积核进行分解,完成对数据进行解析和检测。最后,以KDDCUP99为测试数据集,将ADC-NSD方法与其他机器学习方法进行比较。实验结果表明,ADC-NSD方法能有效地解决网络安全检测问题,总体精确率为98.72%,准确率为99.92%,召回率为94.61%,F1值为97.19%。 

【文章页数】：4 页

【文章目录】：
1引言(Introduction)
2相关研究(Related work)
    2.1深度学习
    2.2网络安全检测
3方法设计(Method design)
    3.1 KDDCUP99数据集
    3.2数据预处理
4实验结果和分析(Experimental results and analysis)
5结论(Conclusion)


【参考文献】：
期刊论文
[1]基于局部二值模式与深度置信网络的人脸识别[J]. 满忠昂,刘纪敏,孙宗锟.  软件工程. 2020(05)
[2]基于相关信息熵和CNN-BiLSTM的工业控制系统入侵检测[J]. 石乐义,朱红强,刘祎豪,刘佳.  计算机研究与发展. 2019(11)
[3]基于自适应鲁棒性的入侵检测模型[J]. 吴亚丽,李国婷,付玉龙,王晓鹏.  控制与决策. 2019(11)
[4]基于深度强化学习的机械臂避障路径规划研究[J]. 李广创,程良伦.  软件工程. 2019(03)
[5]卷积神经网络在图像识别中的应用[J]. 圣文顺,孙艳文.  软件工程. 2019(02)
[6]基于实用拜占庭容错的物联网入侵检测方法[J]. 潘建国,李豪.  计算机应用. 2019(06)
[7]一种针对基于SVM入侵检测系统的毒性攻击方法[J]. 钱亚冠,卢红波,纪守领,周武杰,吴淑慧,雷景生,陶祥兴.  电子学报. 2019(01)
[8]基于KDDCUP99数据集的入侵检测系统的设计与实现[J]. 郭成华.  网络安全技术与应用. 2017(12)



本文编号：3708202