2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩57頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在入侵檢測中,通常的異常檢測主要通過建立正常行為網(wǎng)絡行為模式,來對網(wǎng)絡數(shù)據(jù)流行為是否符合正常網(wǎng)絡行為模式進行對比判定,但如何生成正常網(wǎng)絡行為模式是一個比較難以解決的問題。另外,入侵檢測研究中存在一個普遍的問題:實際檢測系統(tǒng)的訓練數(shù)據(jù)集合不可能涵蓋所有的網(wǎng)絡數(shù)據(jù)情況,特別是有標注的網(wǎng)絡數(shù)據(jù)比較缺乏,而無標注的網(wǎng)絡數(shù)據(jù)卻沒有得到充分利用。再者,網(wǎng)絡攻擊行為的復雜多變,以及網(wǎng)絡數(shù)據(jù)的高維度特性,決定了對網(wǎng)絡數(shù)據(jù)流的人工分析標注存在困難。本文的

2、入侵異常檢測方法的基本設計思想是,對給定的網(wǎng)絡數(shù)據(jù)流使用深度人工神經(jīng)網(wǎng)絡重新學習表征,在計算后的特征表示上進行異常數(shù)據(jù)流的鑒別。與傳統(tǒng)的網(wǎng)絡異常檢測方法不同的是:可以依靠神經(jīng)網(wǎng)絡的自學習特性學習獲取網(wǎng)絡數(shù)據(jù)流中不同類型特征,以及其包含的隱藏特征,然后在此基礎上再進行網(wǎng)絡異常檢測。本文的異常檢測方法的主要組成部分分為:深層特征學習模塊、特征處理模塊、異常檢測模塊。
  針對網(wǎng)絡異常檢測的以上特點,本文的異常檢測模型研究主要集中在對深

3、度表征過程以及異常檢測方法兩個部分。本文主要從以下幾個方面進行研究:對人工神經(jīng)網(wǎng)絡算法分析實現(xiàn),利用其學習的特征深度表示進行網(wǎng)絡異常檢測,并對特征深度表示在異常檢測模型的提升進行實驗驗證。實驗驗證如何充分利用無標數(shù)據(jù)集合對模型訓練進行補充改進,研究將無標數(shù)據(jù)對RBM進行補充訓練的效果。對不同的判別算法進行分析,直接采用BP算法進行分類訓練所需要的時間很長,本文提出采用DRBM擴展結構構建異常檢測模型,并通過設計對比實驗對模型的檢測結果進

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論