一种基于深度学习的网络入侵风险辨识
黎祥远1
徐胜超2
吕峻闽2
1.广州华商学院实验教学与网络技术管理中心 广州 5113002.广州华商学院人工智能学院 广州 511300
摘要：提出基于深度学习的网络入侵风险辨识方法.先对采集到的网络数据进行预处理,再提取出数据的统计量特征和功率谱特征,再将提取的特征进行整合,计算整合后特征的熵值,由此确定网络数据中的异常数据.设定损失函数,引入正则化项构建损失函数降低模型复杂度,对提取的特征进行筛选,由此计算出对应的风险因子,结合风险因子出现的概率,计算网络数据的入侵风险值,划分出网络入侵风险等级.实验结果表明,设计的辨识方法在实际应用中误识率均值为7.2％,辨识精度高;同时,设计的辨识方法的计算效率始终保持在90％以上,表现出更高的效率,从而更快地识别网络入侵风险.
关键词：因特网网络入侵网络风险风险辨识网络安全
分类号：TP393.08(计算技术、计算机技术)
资助基金：国家自然科学基金(61972444)广州华商学院校内科研导师制项目(2024HSDS20)
论文发表日期：2025-12-20
在线出版日期：2026-03-23（本平台首次上网日期，不代表文献的发表时间）
页数：6( 118-123 )
英文信息