基于深度学习的实时网络入侵检测方法

摘要：

网络安全问题日益严重,能够快速、有效地发现各类入侵行为的入侵检测技术成为当前的研究热点.本文汲取机器学习的性能优势,提出了一种基于深度学习的实时网络入侵检测方法,通过对带有入侵数据的大量训练样本的学习,构建用于区分正常状态和入侵状态的入侵检测模型.为了测试和评估该方法的性能,将其与随机森林、Logistic回归和贝叶斯等其他机器学习模型进行比较.实验结果表明,基于H2O深度学习多项式模型的性能均优于其他机器学习模型,可良好应用于实时网络入侵检测.

关键词：入侵检测、实时网络、深度学习、多项式模型

所属期刊栏目：18

分类号：TP311.1(计算技术、计算机技术)

资助基金：河南省教育厅科学技术研究重点项目15B520026

在线出版日期：2019-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：48-51