| 基于LSTM的卷積神經網絡異常流量檢測方法 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>465 K | |
| 標簽： 異常流量檢測 卷積神經網絡 長短期記憶網絡 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對傳統機器學習方法依賴人工特征提取，存在檢測算法準確率低、無法應對0day漏洞利用等未知類型攻擊等問題，提出一種基于卷積神經網絡(Convolutional Neural Networks，CNN)和長短期記憶網絡(Long-Short Term Memory，LSTM)混合算法的異常流量檢測方法，充分發掘攻擊流量的結構化特點，提取流量數據的時空特征，提高了異常流量檢測系統性能。實驗結果表明，在CIC-IDS2017數據集上，多種異常流量檢測的準確率均超過96.9%，總體準確率達到98.8%，與其他機器學習算法相比準確率更高，同時保持了極低的誤警率。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2