.png){kind=icon}
返回
Optimized cyber-attack detection and classification techniques using deep learning
.png){kind=icon}
PRE
AI
DOI：10.1080/19393555.2026.2652335.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）中的网络安全已成为发展最快的领域之一，对社会生活和商业环境产生了重大影响。威胁数量每天都在增加，攻击日益增多且复杂化。然而，现有技术在特征提取过程中会导致信息丢失和学习缓慢，使得过程困难并增加计算复杂度。因此，提出了一种基于级联去噪自编码器（DAE）优化的反向传播（BP）算法，以提高特征提取效率，减少特征重叠时的噪声，加速训练速度并提高准确性，同时最小化计算复杂度。现有技术存在多类分类问题，导致分类和检测性能降低。因此，引入了一种基于Softmax的多层感知器神经网络与支持向量机（MLPNN-SVM）模型，结合神经网络与分类器以提高分类和检测的准确性，降低误报率和计算成本。所提出的模型使用网络安全实验室-KDD（NSL-KDD）数据集评估入侵检测系统。该数据集包含各种网络攻击和正常流量数据。结果表明，MLPNN-SVM模型能够检测和分类网络攻击，降低误报率和计算成本，实现了99.23%的准确率、99.24%的精确率和99.22%的召回率，显著提升了整体系统性能。
Keyword:
Back propagation
classifiers
denoising autoencoders
neural network
support vector machine
期刊
I
IF:
1.4
论文数:
39
被引数:
0
机构
引用论文
A two-stage cyber attack detection and classification system for smart grids.png)
INTERNET OF THINGS
OAAI
INTERNET OF THINGSIF7.6
OAAI分享收藏Blockchain-Assisted Machine Learning with Hybrid Metaheuristics-Empowered Cyber Attack Detection and Classification ModelSUSTAINABILITY
OAAI
SUSTAINABILITYIF3.3
OAAI分享收藏Advanced Persistent Threat attack detection method in cloud computing based on autoencoder and softmax regression algorithmArrayOAAI
ArrayIF0
OAAI分享收藏Intelligent Behavior-Based Malware Detection System on Cloud Computing Environment云计算环境下基于行为的智能恶意软件检测系统IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Deep CNN Ensemble Framework for Efficient DDoS Attack Detection in Software Defined Networks软件定义网络中用于高效DDoS攻击检测的深度CNN集成框架IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容