基于卷积神经网络的入侵检测研究

摘要：

传统机器学习方法在面对庞大、多维的网上数据时,无法满足入侵检测的准确性和实时性的要求,而大规模的数据刚好为深度学习提供了训练数据,深度学习可以直接从数据中获取高级特征.为此,本文提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的入侵检测方法,首先通过数据的预处理去除了5个对结果影响较小的特征,使得预处理结束后数据集的维度刚好满足卷积神经网络的输入要求,然后通过遗传算法(Genetic Algorithm,GA)对卷积神经网络的权值进行优化,解决了参数调优难的问题.将训练好的模型在KDDCUP99数据集上进行验证,实验结果表明本模型的收敛速度较快,准确率高于98.5％,有重要的研究价值.

关键词：入侵检测、卷积神经网络、遗传算法、KDDCUP99数据集

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-03-03（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：42-44