基于主成分分析和循环神经网络的入侵检测模型

发布时间：2023-10-26 19:32

　　针对网络数据特征维度高、现有的入侵检测方法准确率低的问题,该文提出了一种基于主成分分析(PCA)和循环神经网络(RNN)的入侵检测方法PCA-RNN。该方法先对网络数据进行预处理,通过主成分分析法对数据进行特征降维和降噪,找出含有最大信息的主成分特征子集,然后对处理后的数据使用循环神经网络进行分类训练。实验使用基于Python的TensorFlow平台,并采用NSL-KDD作为实验数据集。实验结果表明,与常用的基于机器学习和深度学习方法的入侵检测技术相比较,该文提出的入侵检测方法可有效地提高检测的准确性。

【文章页数】：8 页

【文章目录】：
0 引言
1 相关研究
2 主成分分析PCA
3 循环神经网络RNN
4 PCA-RNN入侵检测模型
5 实验与分析
    5.1 数据集介绍
    5.2 数据处理
        5.2.1 字符型特征数字化
        5.2.2 数值归一化
    5.3 系统评估标准
    5.4 实验结果和分析
        5.4.1 二分类实验
        5.4.2 五分类实验
            1) DoS攻击检测
            2) Probe攻击检测
            3) U2R攻击检测
            4) R2L攻击检测
            5) Normal类型检测
6 结束语



本文编号：3856847