互聯(lián)網(wǎng)高速發(fā)展的今天,網(wǎng)絡(luò)安全日益引起人們的關(guān)注。但是,作為網(wǎng)絡(luò)安全核心要素的網(wǎng)絡(luò)入侵異常檢測技術(shù),仍然面臨著無法有效檢測未知攻擊的問題。在本文中,我們將半監(jiān)督模型SGAN用于網(wǎng)絡(luò)入侵檢測,基于nsl-kdd數(shù)據(jù)集進(jìn)行對比實(shí)驗(yàn)來證明,SGAN的模型相比有監(jiān)督模型,對含有未知攻擊的測試集有更高的檢測準(zhǔn)確率。 

【文章頁數(shù)】：3 頁

【文章目錄】：
1 引言
2 相關(guān)工作
3 基于SGAN的入侵檢測模型
4 實(shí)驗(yàn)與分析
    4.1 數(shù)據(jù)集
    4.2 實(shí)驗(yàn)設(shè)置
    4.3 實(shí)驗(yàn)分析
5 總結(jié)


【參考文獻(xiàn)】：
博士論文
[1]基于深度學(xué)習(xí)的網(wǎng)絡(luò)異常檢測技術(shù)研究[D]. 尹傳龍.戰(zhàn)略支援部隊(duì)信息工程大學(xué) 2018



本文編號：3704098