隨著我國工業(yè)控制系統(tǒng)的高速發(fā)展,為應對其日益突出的安全問題,對LeNet-5卷積神經(jīng)網(wǎng)絡在攻擊檢測中的應用作出改進,通過建立有效特征集和優(yōu)化有效特征集兩個方面優(yōu)化特征數(shù)據(jù)的選擇,隨后經(jīng)過卷積層及池化層的計算和特征值的提取,將結果輸入到softmax分類器里進行網(wǎng)絡攻擊行為識別,從而實現(xiàn)對網(wǎng)絡攻擊的檢測。最后利用KDD CUP99數(shù)據(jù)集對提出的模型進行測試,實驗結果表明該改進的LeNet-5攻擊檢測模型的表現(xiàn)相比于傳統(tǒng)機器學習方法,在降低數(shù)據(jù)樣本冗余度的同時提高了攻擊檢測的精度,具備一定的可行性。 

【文章來源】：計算機應用研究. 2020,37(S1)北大核心CSCD

【文章頁數(shù)】：3 頁

【參考文獻】：
期刊論文
[1]基于卡方檢驗和LDOF算法的入侵檢測技術研究[J]. 胡天宇,劉嵩.  齊魯工業(yè)大學學報. 2019(03)
[2]面向網(wǎng)絡入侵檢測系統(tǒng)的深度卷積神經(jīng)網(wǎng)絡模型[J]. 劉月峰,王成,張亞斌,苑江浩.  內(nèi)蒙古科技大學學報. 2018(01)
[3]基于深度學習和半監(jiān)督學習的入侵檢測算法[J]. 王聲柱,李永忠.  信息技術. 2017(01)
[4]面向入侵檢測系統(tǒng)的Deep Belief Nets模型[J]. 高妮,高嶺,賀毅岳.  系統(tǒng)工程與電子技術. 2016(09)
[5]一種基于有監(jiān)督局部決策分層支持向量機的異常檢測方法[J]. 徐琴珍,楊綠溪.  電子與信息學報. 2010(10)
[6]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學報. 2008(01)

碩士論文
[1]卷積神經(jīng)網(wǎng)絡在入侵檢測系統(tǒng)中的研究與應用[D]. 武天舒.華南理工大學 2018



本文編號：3528633