网络入侵检测系统IDS安装部署实验指导书

案例25 广义神经网络的聚类算法-网络入侵聚类.7z

案例29 kohonen网络的聚类算法—网络入侵聚类.7z

入侵检测系统 此回购协议包含研究论文“”的所有代码和数据集。 抽象的 ： 由于在当今世界对网络安全的强烈要求，入侵检测系统（IDS）已成为所有最新ICT系统中的必不可少的层。 IDS要求发现深度神经网络（DNN）的集成，包括发现攻击类型的不确定性和高级网络攻击的复杂性等原因。 在本文中，DNN已被用来预测对网络入侵检测系统（N-IDS）的攻击。 应用具有0.1的学习率的DNN并运行1000个纪元，并且KDDCup-'99'数据集已用于训练和对网络进行基准测试。 为了进行比较，该训练是在同一数据集上与其他几种经典机器学习算法一起完成的，并且DNN的范围为1到5。比较结果并得出结论，3层DNN具有优于其他所有经典机器的性能。学习算法。 关键字： 入侵检测，深度神经网络，机器学习，深度学习 编者： ** ， † ， †和 ‡ ∗印度Amrita Vishwa Vidyapeeth

基于LightGBM的网络入侵检测系统 网络安全 网络信息安全 APT 漏洞挖掘 安全管理

GB_T 20275-2013 信息安全技术 网络入侵检测系统技术要求和测试评价方法

kohonen网络的聚类算法(matlab实现)代码，包含源代码和测试数据

广义神经网络的聚类算法(matlab实现)，包含源代码和测试数据

GB_T 20275-2013 信息安全技术 网络入侵检测系统技术要求和测试评价方法(R)

聚类方法在网络入侵检测中的应用.pdf