基于神经网络的入侵识别方法

分析了正常和异常的网络行为模式所带来的网络传输数据包的不同特征，提出了 基于神经网络的入侵识别方法。采用带偏差单元的回归BP算法使神经网络收敛性能良好， 并 对端口扫描类型的攻击进行了仿真识别。

基于改进降噪自编码模型的工业控制系统入侵识别研究

传统的工业控制系统入侵识别方法在面对复杂的攻击模式和隐蔽的攻击手段时,往往存在漏报、误报等问题,为此,提出基于改进降噪自编码模型的工业控制系统入侵识别方法。首先,处理与提取工业控制系统数据特征,进行分箱操作,构建改进降噪自编码入侵识别模型。然后,在隐层节点后添加Softmax函数分类器进行分类,完成智能识别工业控制系统入侵的操作。结果表明,所设计方法能够准确识别测试数据集中各类入侵行为数量,且识别准确率较高,可实现对工业控制系统的有效防护。