基于卷积神经网络的入侵检测模型研究

发布时间：2022-02-11 13:21

　　如今计算机互联网技术已深入到人们生活的方方面面,成为生活中不可或缺的一部分,计算机网络给生活带来便利的同时,其中出现的各种各样的安全威胁也不断增加,如网络病毒、木马、网络犯罪和黑客恶意攻击等,生活中电子交易等依靠计算机网络才能完成的行为是不可避免的,这在一定程度上增加了网络与信息安全的重要性。入侵检测是一种对计算机网络中可能出现的威胁进行主动防御的方法,可以有效地检测出可能存在的攻击行为,并做好相关预防措施以避免网络受到重大危害。文本结合当下应用广泛的深度神经网络提出一种基于卷积神经网络的入侵检测模型,应用在大型网络中检测具有安全隐患的行为,达到防患于未然的目的,本文的工作主要包括以下内容:（1）提出了基于批归一化的卷积神经网络模型（BN-CNN）,该模型在每一层卷积神经网络中加入对数据的批归一化处理,然后经过网络的全连接层得到最终分类结果。模型中对数据的批归一化处理,可以改变每一层数据的方差大小和均值的位置,不仅可以保证数据仍然是原始的分布,也使得数据在输入下一个隐层时保留有通过神经网络学习来的特征。（2）提出了一种基于焦点损失函数的入侵检测模型（FL-CNN）,该模型使用卷积神经网... 

【文章来源】：南京邮电大学江苏省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

损失函数的值随的取值而变化

【参考文献】：
期刊论文
[1]大数据环境下基于信息论的入侵检测数据归一化方法[J]. 宋勇,蔡志平.  武汉大学学报(理学版). 2018(02)
[2]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[3]网络入侵检测系统在高校图书馆中的应用[J]. 黄惠烽.  吉林省教育学院学报. 2011(01)
[4]基于FCM-GRNN聚类的入侵检测算法研究[J]. 薛潇,刘以安,阚媛,魏敏.  计算机仿真. 2010(06)
[5]基于Matlab的RBF入侵检测模型研究[J]. 马海峰,宋井峰,周文君.  计算机应用与软件. 2009(06)
[6]计算机网络安全技术浅析[J]. 王秀和,杨明.  中国教育技术装备. 2007(05)
[7]基于通用入侵规范下网络入侵检测系统的实现[J]. 叶颖,严毅.  广西大学学报(自然科学版). 2005(S2)
[8]入侵检测系统的可信问题[J]. 闫巧,喻建平,谢维信.  计算机研究与发展. 2003(08)

博士论文
[1]基于生物免疫系统的计算机入侵检测技术研究[D]. 姜梅.南京航空航天大学 2001



本文编号：3620355