基于不完全信息的深度学习网络入侵检测

摘要：

在网络数据的采集与传输过程中,经常面临无法完全采集、信息丢失等情况.在不完全信息条件下的网络入侵检测成为网络异常检测的难题.为解决不完全信息入侵检测准确率的问题,结合网络数据的特点,文章提出一种基于不完全信息的深度学习网络入侵检测模型(NIDII-DL),借助多层感知神经网络构建深度学习模型,实现信息不完全条件下的入侵检测.实验结果表明,NIDII-DL方法在不完全信息条件下的分类精度高于其他算法,且对信息不完全的敏感度更低.

关键词：不完全信息、网络入侵检测、多层感知、特征量

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金61841701;福建省教育厅科技项目JAT160822

在线出版日期：2019-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：53-60