文献

J-GLOBAL ID：202002234669897369   整理番号：20A0679640

CNN-ELMに基づく侵入検出【JST・京大機械翻訳】

Intrusion detection based on CNN-ELM

著者 (3件)： Yang Yanrong (西北農林科技大学网絡与教育技術中心,陜西楊凌,712100) ,  Song Rongjie (西北農林科技大学信息工程学院,陜西楊凌,712100) ,  Hu Guoqiang (西北農林科技大学网絡与教育技術中心,陜西楊凌,712100)
資料名： Jisuanji Gongcheng yu Sheji  (Jisuanji Gongcheng yu Sheji)
巻： 40  号： 12  ページ： 3382-3387  発行年： 2019年 
JST資料番号： C3599A  ISSN： 1000-7024  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 既存のネットワーク侵入検出方法は,高次元で非線形の大量のデータを扱うために,低い検出効率と低い精度の問題を解決するために,コンボリューションニューラルネットワーク(CNN)と限界学習マシン(ELM)に基づく結合侵入検出(CNN-ELM)を提案した。オリジナルネットワークデータを,数値化マッピング,正規化および次元再構成によって前処理し,そして,CNNネットワークを用いて,オリジナルのネットワークデータの深層特徴を,自動的に抽出し,そして,ELMを,分類装置として,抽出した特徴を,侵入検出によって分類した。NSL-KDDデータセットを用いて,CNN-ELMのシミュレーション結果は,CNN-ELMが,SVM,CNN,およびELMと比較して,侵入検出の精度を効果的に改善でき,良好な一般化能力とリアルタイム性能を有することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  検出効率 ,  *ネットワーク ,  正規化 ,  再構成 ,  前処理 ,  高次元 ,  シミュレーション ,  深層 ,  分類装置
準シソーラス用語： 実時間 ,  *侵入検知 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (1件)： 侵入