基于dCNN的入侵检测方法
为了进一步提高入侵检测系统的检测准确率和检 测效率,提出了一种基于深度卷积神经网络的入侵检测方 法(dCNN)。该方法使用深度学习技术,如tanh、Dropout 和Softmax等,设计了深度入侵检测模型。首先通过数据填 充的方式将原始的一维入侵数据转换为二维的“图像数据”, 然后使用dCNN 从中学习有效特征,并结合 Softmax分类 器产生最终的检测结果。该文基于 Tensorflow-GPU 实现了 该方法,并在一块 NvidiaGTX10603GB的 GPU 上,使用 ADFA-LD和 NSL-KDD数据集进行了评估。结果表明:该 方法减少了训练时间,提高了检测准确率,降低了误报率, 提升了入侵检测系统的实时处理性能和检测效率。
文件下载
评论信息
其他资源
- link 32位和64位链接器
- VMware-VCSA-all-6.5.0-12863991(iso格式)
- 基于stm32cubemx的flash配置和操作
- 图像处理、分析与机器视觉(基于LabVIEW)(LabVIEW研究院) by 杨高科 (z-lib.org).azw3
- Scratch源码
- android 自定义相机，Camera和camera2.TextureView，相机遮罩层demo
- mockcpp官方实例
- 乐高_超声波.ev3b
- cocos2d-lua版消消乐源码
- matrixssl-3-2-2-open.gz
- 智能制造加速制造业转型.pdf
- AR8236_DS_rev1.2.pdf
- 系统维修神器 Dism++（支持64位、32位系统）.zip
- nnglib1.4x64.rar
- 论文研究-改进的基于SIFT和RANSAC的图像配准方法 .pdf
- STM32L152 usb虚拟串口程序
- capicom.dll
- 车牌识别程序
- NativeWifi Api详解
- CORS参考站数据读取
- apache-tomcat-8.5.8.tar.gz
- 认知无线电原理与应用.pdf
- springboot+mybatis+mysql自动生成代码
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明