科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着无线局域网的广泛应用，海量的网络流量数据产生了大量的冗余特征，影响了网络入侵检测效果，给无线局域网带来安全问题，因此提出一种基于深度学习技术的入侵检测模型。一方面，该模型使用堆叠稀疏自动编码器（Stacked Sparse Auto-Encoder,SSAE）和正则项提取特征，避免了模型过拟合和特征提取不完整的问题。另一方面，使用一维残差网络（Residual Networks,ResNets）进行网络流量分类，以AWID-CLS-R数据集为例进行实验。结果表明，多数分类检测准确率大于0.8，且模型运行稳定。
- 单位
