基于人工智能的网络入侵检测与防御研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信

本研究专注于基于人工智能的网络入侵检测与防御方法，以迎接不断升级的网络安全威胁。运用迁移学习和开放集识别等技术，实现显著突破。首先，通过迁移学习构建分类模型，解决新数据标签缺失和分布差异，跨数据集迁移提升检测准确率。其次，引入极值理论，OpenCNN模型实现未知攻击检测，在CICIDS2017和CTU数据集达到98.72%准确率。（剩余3719字）

试读结束

目录
monitor