TY - JOUR A2 - Pancioni，卢卡AU - 刘，李国杰AU - 张，建标PY - 2020 DA - 2020年5月21日TI - CNID：网络入侵检测基于研究卷积神经网络的SP - 4705982 VL - 2020 AB -网络入侵检测系统可以有效地检测网络攻击行为，这是对网络安全具有重要意义。在本文中，基于卷积神经网络上的multiclassification网络入侵检测模型提出，并且该算法进行了优化。首先，将数据进行预处理，原来的一维网络入侵数据被转换成两维的数据，然后将有效特征是使用优化的卷积神经网络学习，和，最后，最终的试验结果列于结合产生与SOFTMAX分类。在本文中，KDD-CUP 99和NSL-KDD标准网络入侵检测的数据集是用于执行所述multiclassification网络入侵检测实验;实验结果表明，在本文提出的multiclassification网络入侵检测模型提高了精度和检查速度，降低了误报率，并且还获得了检测未知攻击更好的测试结果。SN - 1026-0226 UR - https://doi.org/10.1155/2020/4705982 DO - 10.1155 /四百七十万五千九百八十二分之二千〇二十零JF - 离散动力学自然与社会的PB - Hindawi出版KW - ER -