搜索到8923篇“ 入侵检测模型“的相关文章
网络入侵检测模型训练方法、入侵检测方法及相关设备
本发明公开了一种网络入侵检测模型训练方法、入侵检测方法及相关设备,包括:通过采集真实数据集,真实数据集为连续时间序列网络流量数据;将真实数据集输入到初始网络入侵监测模型中,初始网络入侵监测模型包括特征标记模型和局部差分隐...
梁俊威李泽建黄杰鸿陈奕黄杨洋郑晓吟
一种深度学习与决策树融合的网络入侵检测模型及方法
本申请公开一种深度学习与决策树融合的网络入侵检测模型及方法,其模型包括融合了简化卷积神经网络的第一决策树、改进卷积神经网络以及第二决策树;第一决策树包括根节点和叶节点,每个节点包括一个简化卷积神经网络;改进卷积神经网络依...
张坤三张松罗富财邱露许志平郑佳春
一种深度学习与决策树融合的网络入侵检测模型及方法
本申请公开一种深度学习与决策树融合的网络入侵检测模型及方法,其模型包括融合了简化卷积神经网络的第一决策树、改进卷积神经网络以及第二决策树;第一决策树包括根节点和叶节点,每个节点包括一个简化卷积神经网络;改进卷积神经网络依...
张坤三张松罗富财邱露许志平郑佳春
一种基于自编码器降维的神经卷积网络入侵检测模型
2025年
为了提升入侵检测的准确率,鉴于自编码器在学习特征方面的优势以及残差网络在构建深层模型方面的成熟应用,提出一种基于特征降维的改进残差网络入侵检测模型(improved residual network intrusion detection model based on feature dimensionality reduction,IRFD),进而缓解传统机器学习入侵检测模型的低准确率问题。IRFD采用堆叠降噪稀疏自编码器策略对数据进行降维,从而提取有效特征。利用卷积注意力机制对残差网络进行改进,构建能提取关键特征的分类网络,并利用两个典型的入侵检测数据集验证IRFD的检测性能。实验结果表明,IRFD在数据集UNSW-NB15和CICIDS 2017上的准确率均达到99%以上,且F1-score分别为99.5%和99.7%。与基线模型相比,提出的IRFD在准确率、精确率和F1-score性能上均有较大提升。
孙敬丁嘉伟冯光辉
关键词:网络攻击入侵检测模型
一种入侵检测模型的构建方法、装置及设备
本申请实施例公开了一种入侵检测模型的构建方法、装置及设备。在执行本申请实施例提供的方法时,首先可以组建可以实现电力物联网入侵检测任务并行计算的分布式架构。构建自适应神经网络模型,并将自适应神经网络模型部署至布式架构的计算...
袁亮高志超齐琳张晓军胡天洋
融合GSDE与GRU的计算机网络安全入侵检测模型研究
2025年
为了提升计算机网络安全防护能力,提出了一种融合广义状态相关探索(GSDE)与门控循环单元(GRU)的计算机网络安全入侵检测模型。模拟网络入侵过程,设定计算机网络安全入侵检测标准。动态采集计算机网络流量、用户行为及网络日志等运行数据,通过GSDE与GRU算法的融合和迭代学习提取计算机网络运行特征,采用特征匹配的方法检测计算机网络入侵状态。测试结果显示,不同工况下的优化设计模型入侵检测正确率比传统模型高,且其入侵强度检测误差平均值为0.004,说明该模型检测性能更佳。
姚孝生
关键词:计算机网络入侵检测模型
一种基于CGAN的入侵检测模型构建方法
本发明提供了一种基于CGAN的入侵检测模型构建方法,包括:多个节点利用本地数据独立进行CGAN模型训练,生成多组理想模型参数;从所有节点中选举出领导节点,其他节点将理想模型参数发送至领导节点;领导节点将所有理想模型参数进...
何小强陶亚雄曾晓宏吴攀吴仡刘劲羽唐崇疆
基于深度神经网络的低时延的入侵检测模型
2025年
为适应物联网(IoT)节点计算能力不足和易受网络攻击等特点,提出融合生成对抗网络(GAN)和长短期记忆网络(LSTM)的低时延的入侵检测模型(GAN-LLD),使模型更好适应IoT对资源的苛刻需求。GAN-LLD模型采用雾结构,将检测模型部署在雾层,进而满足低检测时延要求。为了获取更高的检测率,GAN-LLD模型引入重构损失,通过将数据样本映射至潜在空间,再计算重构损失。最后,利用数据集NSL-KDD验证GAN-LLD模型的性能。仿真结果表明,相比于多变量异常检测(MAD)-GAN模型,提出的GAN-LLD模型具有高的检测率和低的检测时延。
杨洪朝谢英辉张占梁芮
关键词:物联网入侵检测模型
基于ResNet-Att的网络入侵检测模型研究
2025年
为提高铁路网络入侵检测能力,解决传统网络入侵检测算法误报率高、维护成本高、无法应对未知攻击等问题,提出了一种基于ResNet-Att的网络入侵检测模型。该模型将ResNet网络中的跳跃连接与注意力机制的优点相结合,以增强对网络流量中异常行为的识别能力。通过在CICIDS-2017数据集上进行训练和测试,结果表明,该模型在网络入侵检测的多分类任务中准确率达99.75%、平均召回率达95.33%、平均精确率达94.48%,均超过传统网络入侵检测模型,有助于提高铁路系统的网络安全性,可为网络安全技术的发展提供技术支撑。
王继伟张海建霍巍
关键词:网络入侵检测
基于时间卷积网络的无监督入侵检测模型
2025年
现有的多数入侵检测模型通过长短期记忆(long short-term memory,LSTM)网络评估数据之间的时间依赖性。然而,LSTM网络处理序列数据增加了训练模型的计算复杂度和存储成本。为此,提出了基于多头注意力机制和时间卷积网络的无监督入侵检测模型(unsupervised intrusion detection model based on multihead attention mechanism or temporal convolutional network,UDMT)。UDMT不依赖于LSTM网络,它利用时间卷积网络和多头注意力机制构建生成对抗网络的生成器和决策器,实现计算的并行化,进而降低复杂度。同时,UDMT不依赖于标签的攻击数据,它具有检测已知攻击和未知攻击的能力。此外,UDMT采用不同的隐藏层模式,配置灵活,以满足不同的检测率和检测时延的要求。相比于两个同类的检测模型,提出的UDMT能获取更高的检测率和更低的检测时延。
廖金菊丁嘉伟冯光辉
关键词:入侵检测模型

相关作者

赵静
作品数:114被引量:51H指数:4
供职机构:中国科学院计算机网络信息中心
研究主题:存储介质 入侵检测 入侵检测方法 异常检测 网络
龙春
作品数:165被引量:75H指数:4
供职机构:中国科学院计算机网络信息中心
研究主题:存储介质 入侵检测 入侵检测方法 网络 网络安全
杨帆
作品数:144被引量:50H指数:4
供职机构:中国科学院计算机网络信息中心
研究主题:存储介质 入侵检测方法 网络 入侵检测 异常检测
尚文利
作品数:168被引量:618H指数:14
供职机构:中国科学院沈阳自动化研究所
研究主题:故障诊断 工控 入侵检测 信息安全 振动加速度
王振东
作品数:47被引量:32H指数:1
供职机构:江西理工大学
研究主题:入侵检测方法 存储介质 入侵检测 入侵检测算法 无线传感器网络节点