|
|||||
|
|
| 一种基于卷积神经网络的入侵检测方法 | |
| 作者姓名： | 时东阁 章晓庆 毛保磊 李润知 林予松 |
| 作者单位： | 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;郑州大学软件学院 河南 郑州450003 |
| 基金项目： | 河南省高等学校重点科研项目 |
| 摘 要： | 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。 |
| 关 键 词： | 网络安全 入侵检测 深度学习 卷积神经网络 |
| 本文献已被 万方数据 等数据库收录！ | |