為了實現(xiàn)入侵檢測系統(tǒng)對未知攻擊類型的檢測,提出基于深度學習的網絡異常檢測方法。利用置信度神經網絡,對已知類型流量和未知攻擊流量進行自適應判別�；谏疃壬窠浘W絡,制定置信度估計方法評估模型分類結果,訓練模型面向已知類型流量時輸出高置信度值,識別到未知攻擊流量時輸出低置信度值,從而實現(xiàn)對未知攻擊網絡流量的檢測,并設計自適應損失平衡策略和基于學習自動機的動態(tài)正則化策略優(yōu)化異常檢測模型。在網絡異常檢測UNSW-NB15和CICIDS 2017數(shù)據(jù)集上進行仿真實驗,評估模型效果。結果表明,該方法實現(xiàn)了未知攻擊流量的有效檢測,并提高了已知類型流量的分類效果,從而增強了入侵檢測系統(tǒng)的綜合性能。

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 相關理論方法
    2.1 深度神經網絡
    2.2 置信度神經網絡
3 基于置信度神經網絡的異常檢測方法
    3.1 置信度神經網絡實施細節(jié)
        3.1.1 自適應損失平衡
        3.1.2 動態(tài)正則化
    3.2未知攻擊檢測
4 實驗
    4.1 數(shù)據(jù)集
    4.2 評價標準
    4.3 網絡結構及參數(shù)設置
    4.4 實驗結果
        4.4.1 模型效果分析
        4.4.2 對比實驗
5 結束語



本文編號：3760110