.png){kind=icon}
返回
Converting tabular to image data to design IDS applying deep learning techniques
.png){kind=icon}
PRE
AI
DOI：10.1007/s11334-025-00619-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在当今的数字世界中，组织将设备连接到互联网以实现可持续且便捷的体验。然而，这使系统暴露于严重的网络攻击之下，从而迫切需要安全设备。由于新技术的出现，网络的日益复杂需要强大的入侵检测系统（IDS）来监控流量并检测恶意活动。本文提出了一种新颖的框架，利用深度学习技术将表格数据转换为图像数据以检测已知网络攻击。该模型包括按顺序应用的降维技术，如PCA和UMAP，以及用于数据转换的自动编码器。使用三种不同的基于深度学习的模型来识别不同类型的攻击：一种改进的卷积神经网络（CNN），通过注意力机制增强；来自带梯度惩罚的wasserstein条件生成对抗网络（WCGAN-GP）的判别器神经网络；以及一个投票分类器，它聚合改进的CNN和训练好的WCGAN-GP判别器的预测结果以提高检测精度。在NSL-KDD数据集上进行的实验展示了提升的准确率、精确率、召回率和F1分数性能。所提出的模型达到了93%的准确率。与最先进的（state-of-the-art）技术相比，它显示出优于其他模型的性能。结果表明，所提出的系统能够高效识别已知网络攻击，同时有效处理大规模数据集。
Keyword:
Cyber-security
IDS
CNN
WCGAN-GP
Image data
期刊
IF:
1.1
论文数:
22
被引数:
416
机构
暂无机构信息
引用论文
A deep learning approach for intrusion detection in Internet of Things using focal loss function一种基于焦点损失函数的物联网入侵检测深度学习方法.png)
INTERNET OF THINGS
INTERNET OF THINGSIF7.6
PREAI
分享收藏WCGAN-GP based synthetic attack data generation with GA based feature selection for IDSCOMPUTERS & SECURITY
COMPUTERS & SECURITYIF5.4
PREAI
分享收藏PSO-ACO-based bi-phase lightweight intrusion detection system combined with GA optimized ensemble classifiers基于pso-aco结合GA优化集成分类器的双相轻量级入侵检测系统
PREAI
分享收藏ROULETTE: A neural attention multi-output model for explainable Network Intrusion Detection轮盘赌: 可解释的网络入侵检测的神经注意力多输出模型
PREAI
分享收藏Explainable artificial intelligence for intrusion detection in IoT networks: A deep learning based approach物联网网络中入侵检测的可解释人工智能: 一种基于深度学习的方法
OAAI
OAAI分享收藏A lightweight IoT intrusion detection model based on improved BERT-of-Theseus基于改进bert-of-Theseus的轻量级物联网入侵检测模型
PREAI
分享收藏Spatial Data Transformation and Vision Learning for Elevating Intrusion Detection in IoT Networks面向物联网网络入侵检测提升的空间数据转换与视觉学习
PREAI
分享收藏
查看更多内容