基于异卷积神经网络的入侵检测

摘要：

网络已经深入人们生产生活的各领域.然而,由于存在大量的非法入侵行为,网络所面临的安全问题也越来越严峻.因此,检测入侵以保障网络安全是一个亟待解决的问题.针对此,本文提出一种基于异卷积神经网络的入侵检测方法,采用深度学习的卷积神经网络模型完成对入侵数据的特征提取,然后根据2种不同结构的卷积神经网络训练数据,从而得到最优模型,用以判断网络入侵.最后,使用KDD 99数据进行对比实验,验证本文方法的准确性和精确性.

关键词：深度学习、卷积神经网络、异卷积神经网络、入侵检测、网络安全

分类号：TP309(计算技术、计算机技术)

资助基金：江苏省高等学校自然科学研究重大项目17KJA520004

在线出版日期：2019-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：117-120,126