一种基于卷积神经网络的入侵检测方法OA北大核心CSTPCD
AN INTRUSION DETECTION METHOD BASED ON CONVOLUTIONAL NEURAL NETWORK
在网络流量较大及复杂入侵环境下,传统入侵检测系统检测能力弱且精度低.针对此问题,提出一种基于卷积神经网络的检测方法CNN-Focal.利用卷积神经网络对数据进行特征提取,使用Softmax回归进行多分类,并采用Focal loss损失函数解决NSL-KDD数据集不平衡的问题.实验结果表明,CNN-Focal的精度与F1评分分别达到79.25％和76.9％,与其他机器学习算法相比,其精度和F1评分有显著提高.
时东阁;章晓庆;毛保磊;李润知;林予松
郑州大学互联网医疗与健康服务河南省协同创新中心 河南 郑州450052郑州大学互联网医疗与健康服务河南省协同创新中心 河南 郑州450052郑州大学互联网医疗与健康服务河南省协同创新中心 河南 郑州450052郑州大学互联网医疗与健康服务河南省协同创新中心 河南 郑州450052郑州大学互联网医疗与健康服务河南省协同创新中心 河南 郑州450052
信息技术与安全科学
网络安全入侵检测深度学习卷积神经网络
《计算机应用与软件》 2020 (10)
323-327,333,6
河南省高等学校重点科研项目(17A520059).
评论