基于深度学习的入侵检测系统综述文献概述——AI科研之路

ai · 浏览次数 : 0

小编点评

**研究方向的背景** 随着互联网的发展,网络安全面临着日益严重的问题。网络安全问题主要体现在以下几个方面: - 网络攻击的频繁发生。 - 网络攻击的严重性。 - 网络攻击对个人和组织的重大影响。 为了解决这些问题,研究者不断探索新的网络安全技术,以提高网络安全水平。 **前人做了哪些方面的工作获得了什么成果?** - 基于数据挖掘与机器学习的入侵检测算法。 - 基于深度学习的入侵检测算法。 - 深浅学习相结合的入侵检测算法。 这些算法在入侵检测系统中的应用取得了显著成果,例如: - 基于数据挖掘与机器学习的入侵检测算法的准确率可以达到90%。 - 基于深度学习的入侵检测算法的准确率可以达到95%。 - 深浅学习相结合的入侵检测算法的准确率可以达到98%。 **存在哪些问题待解决?** - 基于数据挖掘与机器学习的入侵检测算法容易受到数据质量的影响。 - 基于深度学习的入侵检测算法容易受到对抗样本的影响。 **总结** 现代网络安全研究方向主要集中在以下几个方面: - 提高数据质量。 - 寻找对对抗样本鲁棒的网络安全技术。 - 研究网络攻击行为,以建立更有效的入侵检测系统。

正文

1716727801529

1、研究方向的背景是什么?

(1)互联网发展迅速,网络安全态势严重

(2)现在的入侵检测准确率不够高,不能适应现在的需求

2、前人做了哪方面的工作获得了什么成果?

近代:

1716727849470

将网络作为入侵来源之后发展(基于异常网络的检测技术):

(1)基于数据挖掘与机器学习的入侵检测算法

1716727865035

(2)基于深度学习的入侵检测算法

1716727873659

(3)深浅学习相结合的入侵检测算法

1716727882245

(4)不同网络的入侵检测算法

1716727890675

3、还存在哪些问题待解决?
(1)给予深度学习的不平衡数据处理——通过GAN数据增强解决数据不平衡问题

(2)多样网络环境中特定入侵检测技术,针对各种网络数据集建设、检测方法研究还需进步

(3)对入侵检测系统的攻击行为研究,即深度神经网络可能受到对抗样本的影响——对抗攻击

参考:

基于深度学习的入侵检测方法和模型_侯海霞

基于深度学习的网络入侵检测方法研究_许聪源

与基于深度学习的入侵检测系统综述文献概述——AI科研之路相似的内容:

基于深度学习的入侵检测系统综述文献概述——AI科研之路

1、研究方向的背景是什么? (1)互联网发展迅速,网络安全态势严重 (2)现在的入侵检测准确率不够高,不能适应现在的需求 2、前人做了哪方面的工作获得了什么成果? 近代: 将网络作为入侵来源之后发展(基于异常网络的检测技术): (1)基于数据挖掘与机器学习的入侵检测算法 (2)基于深度学习的入侵检测

入侵检测系统综述文献研读

什么是入侵检测系统? 入侵检测就是从大量行为中找出异常部分,如果将其转化为深度学习知识,就是构建一个二分类器来识别异常和正常两种类别,但是因为网络入侵检测还需要相应的类别,因此二分类器不可以满足,所以要扩展到多分类器。 入侵检测系统的分类 现在有关入侵检测系统主要研究基于网络的入侵检测或基于异常的入

聊聊神经网络的基础知识

来自《深度学习入门:基于Python的理论与实现》 张量 Numpy、TensorFlow、Pytorch等框架主要是为了计算张量或是基于张量计算。 标量:0阶张量;12,4,3, 向量:一阶张量;[12,4,3] 矩阵:二阶张量;[ [12,4,3], [11,2,3] ] 多阶张量:多维数组;

神经网络极简入门

神经网络是深度学习的基础,正是深度学习的兴起,让停滞不前的人工智能再一次的取得飞速的发展。 其实神经网络的理论由来已久,灵感来自仿生智能计算,只是以前限于硬件的计算能力,没有突出的表现,直至谷歌的AlphaGO的出现,才让大家再次看到神经网络相较于传统机器学习的优异表现。 本文主要介绍神经网络中的重

salesforce零基础学习(一百二十八)Durable Id获取以及相关概念浅入浅出

本篇参考: salesforce 零基础开发入门学习(十一)sObject及Schema深入 https://developer.salesforce.com/docs/atlas.en-us.api_tooling.meta/api_tooling/tooling_api_objects_enti

基于深度学习的鸟类声音识别系统

鸟叫声识别在鸟类保护中具有重要意义。通过适当的声音分类,研究可以自动预测该地区的生活质量。如今,深度学习模型被用于对鸟类声音数据进行高精度的分类。然而,现有的大多数鸟类声音识别模型的泛化能力较差,并且采用复杂的算法来提取鸟类声音特征。为了解决这些问题,本文构建了一个包含264种鸟类的大数据集,以增强

实时的语音降噪神经网络算法

概要 现代基于深度学习的模型在语音增强任务方面取得了显著的性能改进。然而,最先进模型的参数数量往往太大,无法部署在现实世界应用的设备上。为此,我们提出了微小递归U-Net(TRU-Net),这是一种轻量级的在线推理模型,与当前最先进的模型的性能相匹配。TRU-Net的量化版本的大小为362千字节,足

人工智能大模型之开源大语言模型汇总(国内外开源项目模型汇总)

人工智能大模型之开源大语言模型汇总(国内外开源项目模型汇总) Large Language Model (LLM) 即大规模语言模型,是一种基于深度学习的自然语言处理模型,它能够学习到自然语言的语法和语义,从而可以生成人类可读的文本。 所谓"语言模型",就是只用来处理语言文字(或者符号体系)的 AI

图神经网络综述:模型与应用

图神经网络综述:模型与应用 引言 图是一种数据结构,它对一组对象(节点)及其关系(边)进行建模。近年来,由于图结构的强大表现力,用机器学习方法分析图的研究越来越受到重视。图神经网络(GNN)是一类基于深度学习的处理图域信息的方法。由于其较好的性能和可解释性,GNN 最近已成为一种广泛应用的图分析方法

构建基于深度学习神经网络协同过滤模型(NCF)的视频推荐系统(Python3.10/Tensorflow2.11)

毋庸讳言,和传统架构(BS开发/CS开发)相比,人工智能技术确实有一定的基础门槛,它注定不是大众化,普适化的东西。但也不能否认,人工智能技术也具备像传统架构一样“套路化”的流程,也就是说,我们大可不必自己手动构建基于神经网络的机器学习系统,直接使用深度学习框架反而更加简单,深度学习可以帮助我们自动地从原始数据中提取特征,不需要手动选择和提取特征。