.png){kind=icon}
返回
Enhanced Network Intrusion Detection Framework Using Deep Convolutional Neural Networks
.png){kind=icon}
PRE
AI
DOI：10.3103/S0146411625701317.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物联网（IoT）通过实现智能物体间的无缝连接与通信，改变了人类与自然世界的互动方式。这种互联也引入了新的安全问题，包括网络威胁和物理威胁。保护网络安全至关重要，而网络入侵检测系统（NIDS）在此过程中发挥着重要作用。本研究提出了一种结合主成分分析（PCA）与卷积神经网络（CNN）技术的框架，以应对这些安全问题。我们的模型利用基于NSL-KDD数据集训练的CNN-1D、CNN-2D和CNN-3D算法，有效区分正常流量与潜在威胁。本研究提出的方案在整体性能上相较于先前工作展现出显著提升。此项研究为NIDS能力的发展做出了贡献，提升了物联网时代的网络安全水平，并促进了更安全、更互联的世界。
Keyword:
internet of things
deep learning
intrusion detection
network security
privacy
期刊
IF:
0.5
论文数:
19
被引数:
545
机构
引用论文
Intrusion detection in cloud computing based on time series anomalies utilizing machine learning基于时间序列异常的机器学习的云计算入侵检测
OAAI
OAAI分享收藏An Improved LDA-Based ELM Classification for Intrusion Detection Algorithm in IoT Application.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏分享收藏An Effective Feature Selection Model Using Hybrid Metaheuristic Algorithms for IoT Intrusion Detection基于混合元启发式算法的物联网入侵检测有效特征选择模型SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏分享收藏A Taxonomy of Machine-Learning-Based Intrusion Detection Systems for the Internet of Things: A Survey基于机器学习的物联网入侵检测系统的分类: 调查
PREAI
分享收藏
查看更多内容