TY -的A2 -吴,华明盟——太阳,Pengfei盟——刘Pengju AU -李七盟——刘至岑溪AU - Lu, Xiangling盟——郝Ruochen盟——陈,金鹏PY - 2020 DA - 2020/08/28 TI - DL-IDS:提取功能使用CNN-LSTM混合网络入侵检测系统SP - 8890306六世- 2020 AB -许多研究利用机器学习计划来提高网络入侵检测系统。大多数的研究是基于手动提取特征,但这种方法不仅需要大量的劳动力成本,也失去了大量的原始数据中的信息,导致低的判断准确性和无法部署在实际情况。本文发展一种DL-IDS(深上优于入侵检测系统),它使用的混合网络卷积神经网络(CNN)和长期短期记忆网络(LSTM)提取网络流量的时空特性数据,并提供一个更好的入侵检测系统。减少的影响,不同的攻击类型的不平衡样本数量模型训练样本对模型性能,DL-IDS类别权重优化方法用于提高鲁棒性。最后,DL-IDS CICIDS2017测试,一个可靠的入侵检测数据集,涵盖了所有常见的,更新的入侵和网络攻击。multiclassification测试,DL-IDS总体精度达到了98.67%,和每个攻击类型的精度在99.50%以上。SN - 1939 - 0114 UR - https://doi.org/10.1155/2020/8890306 - 10.1155 / 2020/8890306摩根富林明安全和通信网络PB - Hindawi KW - ER