摘要
随着网络技术高速发展,无疑带来了很多网络安全隐患问题。面对复杂、高维的网络数据特征时,K-Nearest Neighbour,Navie Bayes等传统的一些方法无法达到高性能、高准精度和实时性的要求。为此,提出利用深度学习可视化方式进行入侵检测。对数据进行可视化处理,并采用卷积神经网络(CNN)进行入侵检测。主要采用不同数量样本进行对比,结果显示,卷积神经网络效果与样本量的多少相关性不大;并和传统没有可视化处理数据的方式进行对比,结果显示,可视化处理后的检测效果相对较好。
出处
《物联网技术》
2020年第6期108-110,共3页
Internet of things technologies
基金
国家科技部和国家自然科学基金奖励补助项目(黔科合平台人才[2017]5790-09)
国家科技部和国家自然科学基金奖励补助项目(黔科合平台人才[2017]5790-10)
贵州省科技计划项目(黔科合基础[2018]1121)
贵州师范学院一流大学建设一流平台项目(贵师院发[2018]100号)
贵州省科学技术基金项目(黔科合基础[2016]1114号)
贵州省科学技术基金计划(黔科合基础[2016]1116)
贵州省教育厅青年科技人才成长项目(黔教合KY字[2018]257)。
