10.3969/j.issn.1000-386x.2022.07.050
基于决策树和混合神经网络的大数据攻击增量检测研究
大数据攻击检测是一种不平衡数据的分类问题,传统的深度学习算法对此类问题容易发生过拟合,且计算时间较长.对此,提出基于决策树和混合神经网络的大数据攻击增量检测模型.模型通过卷积神经网络提取数据的特征,基于长短期记忆网络学习所提取特征之间的依赖关系,防止出现梯度消失问题.设计了基于决策树的神经网络增量学习算法,能够识别出数据的细粒度类标签.实验结果表明,混合神经网络有效地缓解了过拟合问题,提高了模型的计算效率,同时也验证了增量学习的有效性.
深度神经网络、大数据、数据安全、卷积神经网络、决策树、增量学习
39
TP391(计算技术、计算机技术)
广东省高等职业教育教学质量与教学改革工程项目;东莞职业技术学院国家双高计划
2022-08-19（万方平台首次上网日期，不代表论文的发表时间）
共8页
329-335,349
