基于CNN-LSTM模型的网络入侵检测方法，使用的是UNSW-NB15数据集，代码包含实验预处理，混淆矩阵输出，使用分成K折交叉验证，实验采用多分类，取得良好的效果。
Loss: 0.05813377723097801
Accuracy: 0.9769517183303833
Precision: 0.9889464676380157
Recall: 0.9685648381710052
2024-09-20 20:56:16
397KB
1
针对无线传感器网络入侵检测技术面临的挑战,利用了人工免疫技术的基本原理,提出一种基于危险理论的入侵检测模型。模型采用了分布式合作机制,与采用混杂模式监听获取全局知识的方法相比,在检测性能和能耗上都具有优势。仿真结果表明,相比于传统的单一阈值Watchdog算法和自我非我(SNS)模型,基于危险理论的检测模型能够提供较高的检测率和较低的误检率,并且有效降低了系统的能耗。
2024-04-26 13:34:41
640KB
1
随着用户数量日益递增，网络应用不断增多，尤其是网络视频会议和“管理通”项目的实施，对上海市中小学“校校通”主干网络提出了新的安全要求。一方面网络中存在着大量的“流氓流量”，宝贵带宽资源存在着浪费现象；另一方面，如果网络不慎感染病毒，大量爆发的垃圾流量会在很短的时间内涌向出口，导致出口带宽瞬间被耗尽。此时所有的业务，无论关键与否，都容易被中断。根据校校通网络的特点，在其城域网出口处，部署了千兆级入侵抵御系统H3C IPS，在抵御功能打开的情况下，该系统具备线速处理能力。
2024-03-23 03:29:11
64KB
1
针对网络入侵检测准确率偏低而误报率偏高的问题，提出一种融合卷积神经网络（CNN）与双向长短期记忆（ BILSTM）网络的网络入侵检测方法。对 Kddcup99数据集进行预处理，并分别使用CNN模型、 BILSTM模型提取局部特征和长距离依赖特征，通过注意力机制计算特征的重要性，利用 softmax分类器获得最终的分类结果实验结果表明，与基于CNN和基于LSTM的方法相比，该方法的网络入侵检测效果较好，其准确率可提高至95.0%，误检率可降低至5.1%。
2023-03-06 19:31:28
2.91MB
1
首先转为excel文件，再对第2，3，4，41列字符型数据转为数值型数据，转换原则是字符型数据按首字母排序顺序赋值，以0开始。
2022-12-12 18:00:32
63.91MB
1
网络安全经典数据集NSL-KDD是在原有KDD99的基础上产生的，删除了部分无用数据，可以更好的用于验证网络入侵检测算法的性能！
2022-11-27 21:00:31
6.29MB
1
MATLAB源程序29 kohonen网络的聚类算法—网络入侵聚类.zip
2022-11-18 16:27:50
87KB