用于网络入侵检测的多尺度卷积CNN模型

摘要：

鉴于卷积神经网络在计算机视觉等诸多领域取得的巨大成就,提出一种将多尺度卷积神经网络应用到网络入侵检测领域的方法.该方法将IDS中的网络数据转化成卷积神经网络能够输入的数据,利用不同尺度卷积核对大量高维无标签原始数据进行不同层次特征提取,再采用BN方法优化网络结构学习率,从而获得原始数据的最优特征表示.实验采用 KDDcup99数据集进行实验测试,与经典的模型相比,结果表明MSCNN模型不仅收敛速度快,而且误检率平均降低4.02%,准确率平均提高4.38%.因此MSCNN方法是一种可行且高效的方法,为网络入侵检测系统领域提供一种全新的思路.

关键词：入侵检测、深度学习、卷积神经网络、BN算法、多尺度卷积

所属期刊栏目：55

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家自然科学基金51565046;内蒙古自然科学基金2018MS06019

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：90-95,153