返回首页
网络未知攻击检测的深度学习方法
https://dl.ccf.org.cn/file_server/20201204/159_226_43_5/gcyyy22/bfc885798577458a959123e835d82b8e.jpg
为了实现入侵检测系统对未知攻击类型的检测，提出基于深度学习的网络异常检测方法。利用置信度神经网络，对已知类型流量和未知攻击流量进行自适应判别。基于深度神经网络，制定置信度估计方法评估模型分类结果，训练模型面向已知类型流量时输出高置信度值，识别到未知攻击流量时输出低置信度值，从而实现对未知攻击网络流量的检测，并设计自适应损失平衡策略和基于学习自动机的动态正则化策略优化异常检测模型。在网络异常检测UNSW-NB15和CICIDS 2017数据集上进行仿真实验，评估模型效果。结果表明，该方法实现了未知攻击流量的有效检测，并提高了已知类型流量的分类效果，从而增强了入侵检测系统的综合性能。
<<< 上一篇
Robin算法改进的6轮不可能差分攻击
<<< 下一篇 基于条件生成对抗网络的侧信道攻击技术研究
读完这篇文章后，您心情如何？
推荐内容
More >>>- · 关于推荐2026年度“CCF重大成就奖“候选人的
- · 关于推荐2026年度“CCF夏培肃奖”候选人的通
- · 2026年度CCF会士提名将于11月1日截止
- · 2026年《CCF技术公益案例集》入选案例名单公
- · CCCF 2026年9月刊发布——“智能化软件开发”
- · 今晚8点，免费解锁7个AI Agent实战项目！仅开
- · 2026下半年CCF新晋高级会员、杰出会员名单公
- · 从芯片到机器人应用：RISC-V构建具身智能开源
- · BioAI无限未来 | TF技术前线186期报名
- · CCF人工智能素养提升行动｜人文智能普及行动
- · 2026 CCF CCSP竞赛将于10月21~22日举办，9月9
京公网安备 11010802032778号
所有评论仅代表网友意见