隨著我國(guó)工業(yè)控制系統(tǒng)的高速發(fā)展,為應(yīng)對(duì)其日益突出的安全問(wèn)題,對(duì)LeNet-5卷積神經(jīng)網(wǎng)絡(luò)在攻擊檢測(cè)中的應(yīng)用作出改進(jìn),通過(guò)建立有效特征集和優(yōu)化有效特征集兩個(gè)方面優(yōu)化特征數(shù)據(jù)的選擇,隨后經(jīng)過(guò)卷積層及池化層的計(jì)算和特征值的提取,將結(jié)果輸入到softmax分類器里進(jìn)行網(wǎng)絡(luò)攻擊行為識(shí)別,從而實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)攻擊的檢測(cè)。最后利用KDD CUP99數(shù)據(jù)集對(duì)提出的模型進(jìn)行測(cè)試,實(shí)驗(yàn)結(jié)果表明該改進(jìn)的LeNet-5攻擊檢測(cè)模型的表現(xiàn)相比于傳統(tǒng)機(jī)器學(xué)習(xí)方法,在降低數(shù)據(jù)樣本冗余度的同時(shí)提高了攻擊檢測(cè)的精度,具備一定的可行性。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用研究. 2020,37(S1)北大核心CSCD

【文章頁(yè)數(shù)】：3 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于卡方檢驗(yàn)和LDOF算法的入侵檢測(cè)技術(shù)研究[J]. 胡天宇,劉嵩.  齊魯工業(yè)大學(xué)學(xué)報(bào). 2019(03)
[2]面向網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)的深度卷積神經(jīng)網(wǎng)絡(luò)模型[J]. 劉月峰,王成,張亞斌,苑江浩.  內(nèi)蒙古科技大學(xué)學(xué)報(bào). 2018(01)
[3]基于深度學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的入侵檢測(cè)算法[J]. 王聲柱,李永忠.  信息技術(shù). 2017(01)
[4]面向入侵檢測(cè)系統(tǒng)的Deep Belief Nets模型[J]. 高妮,高嶺,賀毅岳.  系統(tǒng)工程與電子技術(shù). 2016(09)
[5]一種基于有監(jiān)督局部決策分層支持向量機(jī)的異常檢測(cè)方法[J]. 徐琴珍,楊綠溪.  電子與信息學(xué)報(bào). 2010(10)
[6]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學(xué)報(bào). 2008(01)

碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)系統(tǒng)中的研究與應(yīng)用[D]. 武天舒.華南理工大學(xué) 2018



本文編號(hào)：3528633