基于LSTM的卷積神經(jīng)網(wǎng)絡異常流量檢測方法
所屬分類：技術論文
上傳者：zhoubin333
文檔大?。?span>465 K
標簽： 異常流量檢測 卷積神經(jīng)網(wǎng)絡 長短期記憶網(wǎng)絡
所需積分：0分積分不夠怎么辦？
文檔介紹：針對傳統(tǒng)機器學習方法依賴人工特征提取，存在檢測算法準確率低、無法應對0day漏洞利用等未知類型攻擊等問題，提出一種基于卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks，CNN)和長短期記憶網(wǎng)絡(Long-Short Term Memory，LSTM)混合算法的異常流量檢測方法，充分發(fā)掘攻擊流量的結構化特點，提取流量數(shù)據(jù)的時空特征，提高了異常流量檢測系統(tǒng)性能。實驗結果表明，在CIC-IDS2017數(shù)據(jù)集上，多種異常流量檢測的準確率均超過96.9%，總體準確率達到98.8%，與其他機器學習算法相比準確率更高，同時保持了極低的誤警率。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。