基于改进CNN-LSTM的网络入侵检测模型研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：针对网络入侵检测模型特征提取算法复杂、训练参数过多、检测结果不理想等问题，提出一种改进卷积神经网络与长短期记忆网络结合的网络入侵检测方法（GCNN-LSTM）。首先，使用卷积神经网络对流量数据做特征选择，并选择全局池化层代替其中的全连接层;其次，结合长短期记忆网络强大的时间序列学习能力对改进卷积神经网络选择后的特征进行学习分类，以期在网络异常数据检测方面获得更好的效率和准确率。（剩余5491字）

试读结束

目录
monitor
客服机器人