论文部分内容阅读
随着我国工业控制系统的高速发展,为应对其日益突出的安全问题,对LeNet-5卷积神经网络在攻击检测中的应用作出改进,通过建立有效特征集和优化有效特征集两个方面优化特征数据的选择,随后经过卷积层及池化层的计算和特征值的提取,将结果输入到softmax分类器里进行网络攻击行为识别,从而实现对网络攻击的检测。最后利用KDD CUP99数据集对提出的模型进行测试,实验结果表明该改进的LeNet-5攻击检测模型的表现相比于传统机器学习方法,在降低数据样本冗余度的同时提高了攻击检测的精度,具备一定的可行性。