基于深度学习的实时网络入侵检测方法
朱平哲
三门峡职业技术学院信息传媒学院,河南三门峡,472000
摘要：网络安全问题日益严重,能够快速、有效地发现各类入侵行为的入侵检测技术成为当前的研究热点.本文汲取机器学习的性能优势,提出了一种基于深度学习的实时网络入侵检测方法,通过对带有入侵数据的大量训练样本的学习,构建用于区分正常状态和入侵状态的入侵检测模型.为了测试和评估该方法的性能,将其与随机森林、Logistic回归和贝叶斯等其他机器学习模型进行比较.实验结果表明,基于H2O深度学习多项式模型的性能均优于其他机器学习模型,可良好应用于实时网络入侵检测.
关键词：入侵检测实时网络深度学习多项式模型
分类号：TP311.1(计算技术、计算机技术)
资助基金：河南省教育厅科学技术研究重点项目(15B520026)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 48-51 )
英文信息