一种基于卷积神经网络的入侵检测方法

• 作 者: 时东阁 章晓庆 毛保磊 李润知 林予松
• 机 构: 郑州大学互联网医疗与健康服务河南省协同创新中心,郑州大学软件学院
• 出 处: 计算机应用与软件
• 发表日期: 2020年10期
• 关键词: 网络安全 入侵检测 深度学习 卷积神经网络 Cyber securityIntrusion detectionDeep learningConvolutiona
• 基金项目: 河南省高等学校重点科研项目(17A520059)

在网络流量较大及复杂入侵环境下,传统入侵检测系统检测能力弱且精度低。针对此问题,提出一种基于卷积神经网络的检测方法CNN-Focal。利用卷积神经网络对数据进行特征提取,使用Softmax回归进行多分类,并采用Focal loss损失函数解决NSL-KDD数据集不平衡的问题。实验结果表明,CNN-Focal的精度与F1评分分别达到79.25%和76.9%,与其他机器学习算法相比,其精度和F1评分有显著提高。