10.16208/j.issn1000-7024.2019.12.006
基于深度学习的Wi-Fi网络入侵检测方法
提出一种基于深度信念网络(DBN)的Wi-Fi网络入侵检测模型.使用SMOTE算法对数据样本中的异常数据和正常数据进行数量平衡,使用降噪自编码网络(DAE)对平衡后的数据进行降维,消除无关或冗余特征降低检测建模规模.在AWID数据集上进行实验,实验结果表明,与其它基于浅层学习算法的检测方法相比,所提方法可有效精简数据特征,降低检测时间,在检测精度和误报率方面体现出了更优性能.
深度信念网络、降噪自编码网络、数据降维、入侵检测、Wi-Fi网络
40
TP393(计算技术、计算机技术)
2020-01-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
3394-3400