10.3404/j.issn.1672-7649.2020.05.034
基于深度学习的船舶工业网络入侵检测研究
随着工业互联网的进一步推进,船舶工业网络系统面临着更大的挑战.为进一步提高船舶工业网络的安全和稳定,网络入侵检测至关重要.本文提出基于深度学习的船舶工业网络入侵检测方法,采用字典数的方法对多种数据流量收集创建,利用针对船舶网络改进的深度学习算法进行船舶网络数据流的特征分层提取,并采用瀑布型融合方法将不同层的特征向量进行特征融合.利用softmax进行分类,划分为3个危险等级,在低危、中危、高危3种情况,实现网络入侵检测.现场测试结果表明,基于深度学习的船舶工业网络入侵检测模型的准确率较高,大大提高了网络入侵检测效率,弥补了传统技术无法检测未知入侵的弱点.
船舶工业、字典树、深度学习、网络入侵
42
U661.43(船舶工程)
2020-06-17(万方平台首次上网日期,不代表论文的发表时间)
共3页
181-183