基于CNN-LSTM混合模型的入侵检测算法研究被引量：6

导出

摘要本文通过CNN提取网络数据连接基本特征,并将卷积运算后输出的高级特征作为LSTM网络的输入参数进行长序列预测,有效地解决LSTM的输入序列特征难题。本文以KDD99训练集进行模型训练和测试,实验证明本文设计CNN-LSTM混合模型有较高的准确率和F1值。

作者郑伟发

机构地区广东财经大学网络信息中心

出处《网络安全技术与应用》 2020年第5期61-64,共4页 Network Security Technology & Application

关键词入侵检测 CNN LSTM

分类号 TP393.08 [自动化与计算机技术—计算机应用技术]

引文网络
相关文献

参考文献4

1吴德鹏,柳毅.基于集成降噪自编码的在线网络入侵检测模型[J].计算机应用研究,2020,37(11):3396-3400. 被引量：2
2高妮,贺毅岳,高岭.海量数据环境下用于入侵检测的深度学习方法[J].计算机应用研究,2018,35(4):1197-1200. 被引量：52
3司念文,王衡军,李伟,单义栋,谢鹏程.基于注意力长短时记忆网络的中文词性标注模型[J].计算机科学,2018,45(4):66-70. 被引量：21
4陈土生.基于Adam优化GRU神经网络的SCADA系统入侵检测方法[J].现代计算机,2019,25(15):13-19. 被引量：9

二级参考文献15

1刘群,张华平,俞鸿魁,程学旗.基于层叠隐马模型的汉语词法分析[J].计算机研究与发展,2004,41(8):1421-1429. 被引量：198
2赵岩,王晓龙,刘秉权,关毅.融合聚类触发对特征的最大熵词性标注模型[J].计算机研究与发展,2006,43(2):268-274. 被引量：20
3洪铭材,张阔,唐杰,李涓子.基于条件随机场(CRFs)的中文词性标注方法[J].计算机科学,2006,33(10):148-151. 被引量：56
4朱聪慧,赵铁军,郑德权.基于无向图序列标注模型的中文分词词性标注一体化系统[J].电子与信息学报,2010,32(3):700-704. 被引量：12
5何径舟,王厚峰.基于特征选择和最大熵模型的汉语词义消歧[J].软件学报,2010,21(6):1287-1295. 被引量：37
6于江德,葛彦强,余正涛.基于条件随机场的汉语词性标注[J].微电子学与计算机,2011,28(10):63-66. 被引量：6
7彭杰,刘力.工业控制系统信息安全性分析[J].自动化仪表,2012,33(12):36-39. 被引量：22
8韩霞,黄德根.基于半监督隐马尔科夫模型的汉语词性标注研究[J].小型微型计算机系统,2015,36(12):2813-2816. 被引量：7
9高洋,郑东骥.工业控制系统信息安全威胁分类[J].中国信息安全,2016(4):66-68. 被引量：7
10高妮,高岭,贺毅岳.面向入侵检测系统的Deep Belief Nets模型[J].系统工程与电子技术,2016,38(9):2201-2207. 被引量：23

共引文献80

1郭文婷,张军,魏洪伟,刘莹.基于欠采样和对抗自编码器的入侵检测算法[J].信息通信,2019,0(12):58-60.
2闫海磊,施水才.一种面向时政新闻的命名实体识别方法[J].北京信息科技大学学报（自然科学版）,2018,33(6):23-26. 被引量：3
3沈学利,覃淑娟.基于SMOTE和深度信念网络的异常检测[J].计算机应用,2018,38(7):1941-1945. 被引量：20
4徐飞,叶文豪,宋英华.基于BiLSTM-CRF模型的食品安全事件词性自动标注研究[J].情报学报,2018,37(12):1204-1211. 被引量：14
5莫坤,王娜,李恒吉,李朝阳,李剑.基于LightGBM的网络入侵检测系统[J].信息安全研究,2019,5(2):152-156. 被引量：11
6张创基.基于码元包络幅值提取的网络入侵检测算法[J].智能计算机与应用,2019,9(2):155-158. 被引量：4
7高峰.基于大数据分析的医疗档案信息交互共享平台构建[J].中国数字医学,2019,14(2):46-48. 被引量：9
8丁红卫,万良,龙廷艳.深度自编码网络在入侵检测中的应用研究[J].哈尔滨工业大学学报,2019,51(5):185-194. 被引量：21
9蔡子龙,熊德意.融入汉字字形特征的中英神经机器翻译模型[J].中文信息学报,2019,33(5):75-81. 被引量：7
10陈虹,陈建虎,肖成龙,万广雪,肖振久.深度学习模型下多分类器的入侵检测方法[J].计算机科学与探索,2019,13(7):1123-1133. 被引量：7

同被引文献31

1周珮,周志平,王利,赵卫东.基于AutoEncoder和ResNet的网络入侵检测方法[J].计算机应用研究,2020,37(S02):224-226. 被引量：20
2庞景月,马云彤,刘大同,彭宇.锂离子电池剩余寿命间接预测方法[J].中国科技论文,2014,9(1):28-36. 被引量：31
3姜媛媛,刘柱,罗慧,王辉.锂电池剩余寿命的ELM间接预测方法[J].电子测量与仪器学报,2016,30(2):179-185. 被引量：50
4李佳,范巍.基于改进D-S证据理论的网络入侵检测[J].控制工程,2017,24(11):2362-2367. 被引量：17
5孟媛媛,徐连诚,任敏,王燕飞.基于高冲突修正的D-S证据融合方法[J].计算机工程,2018,44(1):79-83. 被引量：4
6燕昺昊,韩国栋.基于深度循环神经网络和改进SMOTE算法的组合式入侵检测模型[J].网络与信息安全学报,2018,4(7):48-59. 被引量：10
7王毅,冯小年,钱铁云,朱辉,周静.基于CNN和LSTM深度网络的伪装用户入侵检测[J].计算机科学与探索,2018,12(4):575-585. 被引量：20
8杨凝之.基于CNN的入侵检测技术[J].通讯世界,2019,26(1):233-235. 被引量：2
9刘月峰,王成,张亚斌,苑江浩.用于网络入侵检测的多尺度卷积CNN模型[J].计算机工程与应用,2019,55(3):90-95. 被引量：29
10刘中财,严晓,余维,黄碧雄,王影.锂离子电池健康状态新型测定方法[J].电源技术,2019,43(1):74-76. 被引量：12

引证文献6

1舒天豪,陈卓,唐广镇.基于改进NSGA-Ⅲ的入侵检测特征选择研究[J].电子技术与软件工程,2020(19):241-242.
2陈赐阳,陈德旺.基于CNN-LSTM的锂电池剩余寿命(RUL)间接预测研究[J].电源技术,2021,45(5):589-594. 被引量：16
3敖然,杨忠君,郑志权,李鹏程.基于改进D-S证据理论的工业入侵检测技术[J].信息技术与信息化,2021(8):12-15. 被引量：1
4高燚,高丽婷,杨宇夏.基于卷积神经网络ResNeXt结构的入侵检测研究[J].电脑知识与技术,2021,17(28):85-87. 被引量：3
5何昀峰,王小戈,刘路希,王潇.基于注意力机制的入侵检测生成对抗网络模型[J].计算机应用,2022,42(S01):152-159. 被引量：3
6王军,王华琳,黄博文,付强,刘俊.基于联邦学习和自注意力的工业物联网入侵检测[J].吉林大学学报（工学版）,2023,53(11):3229-3237. 被引量：1

二级引证文献24

1刘琼,张豹.基于GBDT算法的锂电池剩余使用寿命预测[J].电子测量与仪器学报,2022,36(10):166-172. 被引量：5
2刘全.基于数据挖掘的通信网恶意入侵自动识别方法[J].长江信息通信,2022,35(5):74-75. 被引量：3
3高德欣,刘欣,杨清.基于卷积神经网络与双向长短时融合的锂离子电池剩余使用寿命预测[J].信息与控制,2022,51(3):318-329. 被引量：10
4后麒麟,曹亮,单添敏,王景霖,沈勇.基于间接健康指标与回声状态网络的航空锂电池剩余使用寿命预测[J].测控技术,2022,41(7):57-63. 被引量：3
5丁晓雯,丁强,顾君垚,夏宇栋.基于1DCNN-DS的冷水机组故障诊断[J].低温与超导,2022,50(7):69-76. 被引量：4
6肖迁,穆云飞,焦志鹏,孟锦豪,贾宏杰.基于改进LightGBM的电动汽车电池剩余使用寿命在线预测[J].电工技术学报,2022,37(17):4517-4527. 被引量：19
7肖浩逸,何晓霞,梁佳佳,李春丽.一种基于模态分解和机器学习的锂电池寿命预测方法[J].储能科学与技术,2022,11(12):3999-4009. 被引量：7
8苟超,陈惠婷.基于深度学习的网络入侵检测技术研究[J].信息与电脑,2022,34(20):10-13. 被引量：1
9薛建强,李军.基于小波神经网络算法的锂电池荷电状态预测[J].电工技术,2022(24):45-47.
10廖力,肖廷奕,吴铁洲,姜久春.基于多健康特征融合的锂电池SOH和RUL预测[J].电源技术,2023,47(2):193-198. 被引量：4

1屈景怡,渠星,杨俊,刘芳,张雄威.基于Skip-LSTM的机场群延误预测模型[J].信号处理,2020,36(4):584-592. 被引量：2
2侯星晨,王锦.基于自适应注意模型的图像描述[J].计算机与现代化,2020,0(6):95-100. 被引量：1
3刘觉非,裴峻峰,胡建启,韩烨,翟云峰,白嘉伟,别锋锋,彭剑.场站输油管道风险智能评估系统研究[J].石油化工设备,2020,49(3):6-11. 被引量：1
4邹思琳,任晓晨,王成功,韦骏.时间精度与空间信息对神经网络模型预报PM2.5浓度的影响[J].北京大学学报（自然科学版）,2020,56(3):417-426. 被引量：6
5陆晓娟,杨帅,罗少杰,廖永山,焦钰.马氏珠母贝前列腺素E合酶2基因PGES-2的克隆与表达分析[J].基因组学与应用生物学,2020,39(3):1028-1034. 被引量：1
6冉梽乂,肖璐,崔宁博,张志亮,蔡焕杰,张宝忠.基于广义回归神经网络模型模拟夏玉米蒸发蒸腾量[J].中国农村水利水电,2020(2):93-99. 被引量：4
7胡东愿,杨任农,闫孟达,岳龙飞,左家亮,王瑛.基于自编码网络的导弹攻击区实时计算方法[J].航空学报,2020,41(4):226-242. 被引量：6
8杨家蓉.WRK HTTP压力测试工具的二次开发实践[J].电脑编程技巧与维护,2020(5):12-13.
9邓辉,朱鹏程,王林青,邓朝晖.砂轮表面测量方法研究进展[J].机械科学与技术,2020,39(4):599-607. 被引量：2
10卢健,马成贤,杨腾飞,周嫣然.Text-CRNN+attention架构下的多类别文本信息分类[J].计算机应用研究,2020,37(6):1693-1696. 被引量：12

网络安全技术与应用

2020年第5期

浏览历史

内容加载中请稍等...

基于CNN-LSTM混合模型的入侵检测算法研究被引量：6

参考文献4

二级参考文献15

共引文献80

同被引文献31

引证文献6

二级引证文献24

相关作者

相关机构

相关主题

浏览历史

基于CNN-LSTM混合模型的入侵检测算法研究 被引量：6

参考文献4

二级参考文献15

共引文献80

同被引文献31

引证文献6

二级引证文献24

相关作者

相关机构

相关主题

浏览历史

基于CNN-LSTM混合模型的入侵检测算法研究被引量：6