基于深度学习的自组织网络多信道入侵检测方法研究

摘要：

传统的入侵检测方法在进行自组织网络多信道入侵检测时,由于没有基于深度学习进行数据预处理,导致多信道入侵检测召回率低.为此,笔者提出基于深度学习的自组织网络多信道入侵检测方法研究.该方法利用强分类器针对大量正常、异常网络多信道行为特征进行分类,帮助训练后的深度学习分类器能够快速地对异常网络多信道行为特征做出详尽的表达,进而得出多信道异常入侵检测方程式,并通过ReLu激活函数判断自组织网络多信道的属性,进而完成多信道入侵检测.实验结果表明,设计的入侵检测方法入侵检测召回个数明显高于对照组,在对网络多信道入侵检测的召回率方面优于对照组,能够实现自组织网络多信道精准的入侵检测.

关键词：深度学习、自组织网络、多信道、入侵检测方法、异常网络

所属期刊栏目：32

分类号：U472.9

资助基金：河南省科技厅科技攻关项目“基于高光谱图像和深度学习的农作物病害检测”项目编号:202102210145

在线出版日期：2020-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：37-39