10.3969/j.issn.1000-386x.2020.04.052
一种基于深度CNN的入侵检测算法
入侵检测是检测和预防可能对基于网络的计算机系统进行攻击和入侵作出反应的技术.提出一种基于深度卷积神经网络的入侵检测的算法,在卷积神经网络基础上引入Inception模型和残差网络,采用深度学习技术,如Relu、Dropout、Softmax.提高模型的收敛速度,使得训练的模型的泛化能力更强,增加网络的宽度和深度,提升网络对尺度的适应性.使用KDD Cup 99数据对该算法进行验证,实验表明,该网络模型与GoogleNet和Lenet-5相比具有更高的准确率和检测率,准确率能够达到94.37%,误报率仅2.14%,提高了入侵检测识别的分类准确性.
入侵检测、卷积神经网络、批量归一化、Inception、模型、残差网络
37
TP3(计算技术、计算机技术)
2020-04-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
324-328