科研之友
微信
新浪微博
Facebook
分享链接
摘要
网络数据流具有不确定性和动态性，入侵行为可能随时发生变化，需要及时调整参数，以适应不同的入侵情况，为此提出基于深度学习的增量式网络入侵实时检测算法。对增量式网络数据展开平衡化及降维处理，降低网络数据重构误差，保留数据的原始特征；通过支持向量机获取增量式网络入侵特征，采用混沌算法优化惩罚参数，根据参数优化结果通过深度学习网络中的最小二乘支持向量机对增量式网络入侵展开实时检测。经实验验证可知，所提方法能够高效准确的对增量式网络的入侵展开检测。
-
单位太原工业学院; 太原科技大学
