-
题名基于混合神经网络模型的低速率网络入侵检测研究
被引量：1
- 1
-
-
作者
刘珊珊
李根
管艺博
-
机构
广东财贸职业学院信息技术学院
广东工商职业技术大学人工智能与大数据学院
广东工商职业技术大学计算机学院
-
出处
《成都工业学院学报》
2024年第1期52-56,共5页
-
基金
广东省教育厅青年创新人才项目(2022WQNCX107)。
-
文摘
针对低速率入侵,常规的入侵检测方法能力不足,虚警率、漏警率偏高。为保证网络安全,提出一种基于混合神经网络模型的低速率网络入侵检测方法。利用NetFlow技术采集网络流量数据,对网络流量数据进行过滤和图像化处理。搭建由卷积神经网络和人工神经网络构成的混合神经网络模型,利用卷积神经网络提取网络流量数据的图像提取特征,利用人工神经网络检测网络入侵类型。结果表明:提出方法的虚警率、漏警率低于Transformer入侵检测方法、栈式自编码-长短期记忆(SAE-LSTM)检测方法和萤火虫优化(GSO)-基分类器检测方法,尤其在入侵速率更低(2 Mb/s)的情况下,所表现出的检测能力更为突出,说明针对低速率网络入侵问题,基于混合神经网络模型的检测方法的检测能力更强,检测结果更为准确。
-
关键词
混合神经网络模型
卷积神经网络
人工神经网络
低速率入侵
网络流量数据
入侵检测方法
-
Keywords
hybrid neural network model
convolutional neural network
artificial neural network
low-rate intrusion
network traffic data
intrusion detection methods
-
分类号
TP14.66
[自动化与计算机技术—控制理论与控制工程]
-
