基于深度学习的数据链路入侵检测

2021-06-16 07:19:44张一凡
电子制作 2021年2期
关键词:分类特征检测

张一凡

(华北电力大学,北京,102200)

0 引言

入侵检测的作用是进行检测恶意行为和非法程序,与防火墙相辅相成一起来保证网络安全。[1]随着各地大数据中心的不断建立,许多企业需要通过多条数据链路来进行大量的数据传输,数据链路上传输流量过大会给不法分子以可乘之机通过入侵来进行破坏,引起严重的网络安全问题。如何保证网络安全是需要通过不断的研究来解决的问题。近些年流行的入侵检测技术在网络的两端都起到非常重要的保护作用,对于保证网络安全是一种比较先进的解决方式。

入侵检测已经经历了40年的发展。1980年,Ande rson[2]等人第一次提出入侵检测。2006年,Zh ang[3]等人使用随机森林模型进行入侵检测。2014年,Gao[4]等人使用深度信念网络进行异常检测。2017年,Vinayakumar[5]等人将卷积神经网络应用于入侵检测并取得了非常好的效果。在大数据时代,网络中传输的数据量大速度快,目前入侵检测领域中经常使用的传统机器学习方法和深度学习方法的准确率和精确率上都有待进一步提升。

本文提出一种将深度学习的全连接神经网络和机器学习的决策树相结合的模型。本模型分为数据预处理、抽象特征提取和训练分类三个模块,首先对检测数据进行预处理,再使用全连接神经网络来进行数据抽象特征的提取,最后使用决策树来进行最终的分类。通过最后的实验表明这种模型能够达到很好的入侵检测效果。

1 模型结构

■1.1 数据预处理

本文提出的模型的第一个模块是预处理模块,需要将进行检测的数据进行预处理,将数据通过特征映射和数字归一化得到预处理后的标准数据集。……

登录APP查看全文

猜你喜欢
分类特征检测
分类算一算
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
教你一招:数的分类
小波变换在PCB缺陷检测中的应用
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15