| 基于LSTM的卷積神經(jīng)網(wǎng)絡(luò)異常流量檢測方法 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>465 K | |
| 標簽： 異常流量檢測 卷積神經(jīng)網(wǎng)絡(luò) 長短期記憶網(wǎng)絡(luò) | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對傳統(tǒng)機器學習方法依賴人工特征提取，存在檢測算法準確率低、無法應(yīng)對0day漏洞利用等未知類型攻擊等問題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)和長短期記憶網(wǎng)絡(luò)(Long-Short Term Memory，LSTM)混合算法的異常流量檢測方法，充分發(fā)掘攻擊流量的結(jié)構(gòu)化特點，提取流量數(shù)據(jù)的時空特征，提高了異常流量檢測系統(tǒng)性能。實驗結(jié)果表明，在CIC-IDS2017數(shù)據(jù)集上，多種異常流量檢測的準確率均超過96.9%，總體準確率達到98.8%，與其他機器學習算法相比準確率更高，同時保持了極低的誤警率。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2