隨著越來越多的企業(yè)基于網(wǎng)絡開展業(yè)務,企業(yè)在數(shù)據(jù)安全、網(wǎng)絡安全與系統(tǒng)安全等各方面都面臨著全新的挑戰(zhàn)^[1]。通過在企業(yè)內(nèi)部建立網(wǎng)絡安全信息管理系統(tǒng),對于解決企業(yè)業(yè)務面臨的安全威脅,提高風險管控能力具有重要的理論和實際意義。本文以某企業(yè)的實際需求及特殊要求出發(fā),研究并且實現(xiàn)了一個基于深度學習的網(wǎng)絡安全信息管理系統(tǒng)。論文主要從以下方面進行闡述:(1)基于深度學習的文本分類技術,對文本表示模型進行了深入研究。并對分布式表示算法Word2Vector詞向量模型進行重點分析。通過對兩種文本表示模型原理的分析,比較了其對語境預測情況的差異,并通過實驗比對,發(fā)現(xiàn)Skip-gram模型在網(wǎng)絡安全信息分類場景,具有更大的優(yōu)勢。(2)通過Word2Vector生成文本的詞向量,既保留了文本原有的語義信息,又能夠通過目標詞預測上下文的概率。并且通過實驗,對網(wǎng)絡安全信息文本分類場景中的詞向量維度、窗口大小等參數(shù)進行調(diào)整,使得特征文本被更有效的處理,獲得了效果更好的詞向量。(3)通過詞嵌入層、卷積層、池化層和全連接層四層卷積神經(jīng)網(wǎng)絡來進行網(wǎng)絡安全信息的分類,使原先需要人工完成的分類工作替換為自...

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 本文的研究內(nèi)容
    1.4 論文結構及內(nèi)容
    1.5 本章小結
第2章 相關技術介紹
    2.1 文本分類的基本介紹
    2.2 詞向量
    2.3 卷積神經(jīng)網(wǎng)絡
    2.4 Tensorflow
    2.5 網(wǎng)絡爬蟲
    2.6 搜索引擎
    2.7 本章小結
第3章 基于深度學習的文本分類
    3.1 文本預處理
    3.2 生成詞向量
    3.3 分類模型構建
    3.4 文本分類實驗
    3.5 本章小結
第4章 基于深度學習的網(wǎng)絡安全信息管理系統(tǒng)的設計
    4.1 系統(tǒng)需求分析
    4.2 系統(tǒng)概要設計
    4.3 系統(tǒng)模塊詳細設計
    4.4 系統(tǒng)測試
    4.5 本章小結
第5章 結論與展望
參考文獻
致謝



本文編號：3880747