网络未知攻击检测的深度学习方法

发布时间：2023-03-11 19:34

　　为了实现入侵检测系统对未知攻击类型的检测,提出基于深度学习的网络异常检测方法。利用置信度神经网络,对已知类型流量和未知攻击流量进行自适应判别。基于深度神经网络,制定置信度估计方法评估模型分类结果,训练模型面向已知类型流量时输出高置信度值,识别到未知攻击流量时输出低置信度值,从而实现对未知攻击网络流量的检测,并设计自适应损失平衡策略和基于学习自动机的动态正则化策略优化异常检测模型。在网络异常检测UNSW-NB15和CICIDS 2017数据集上进行仿真实验,评估模型效果。结果表明,该方法实现了未知攻击流量的有效检测,并提高了已知类型流量的分类效果,从而增强了入侵检测系统的综合性能。

【文章页数】：8 页

【文章目录】：
1 引言
2 相关理论方法
    2.1 深度神经网络
    2.2 置信度神经网络
3 基于置信度神经网络的异常检测方法
    3.1 置信度神经网络实施细节
        3.1.1 自适应损失平衡
        3.1.2 动态正则化
    3.2未知攻击检测
4 实验
    4.1 数据集
    4.2 评价标准
    4.3 网络结构及参数设置
    4.4 实验结果
        4.4.1 模型效果分析
        4.4.2 对比实验
5 结束语



本文编号：3760110