17、网络入侵检测与磨损颗粒分类技术研究

最新推荐文章于 2025-12-15 14:50:45 发布

gamma

最新推荐文章于 2025-12-15 14:50:45 发布

阅读量23

点赞数

CC 4.0 BY-SA版权

分类专栏：智能计算前沿探秘文章标签：网络入侵检测磨损颗粒分类人工智能

本文链接：https://blog.youkuaiyun.com/gamma/article/details/152757921

56 篇文章 ¥499.90

订阅专栏¥69.90

随着互联网接入的不断扩展，网络攻击变得越来越频繁和复杂。为了提高系统和数据的安全性，入侵检测技术应运而生。其中，基于人工智能的网络入侵检测方法备受关注。

在研究中，提出了一种基于人工智能的可靠网络入侵检测方法——Behavior IDS - AI。该方法通过预处理来提高入侵检测系统（IDS）基于数据异质性的发现率和精度。在构建模型之前，采用基于熵选择方法的特征选择程序，以确保数据质量。

性能对比 ：通过与其他参考模型对比，发现Behavior IDS - AI模型在准确性方面表现更优。在UNSW - NB15数据集上，SVM和CNN的准确率分别达到了99.58%和99.66%。不过，部分结果较为笼统，未明确指出检测到的攻击类型，且一些对比模型未进行交叉验证。但总体结果表明，Behavior IDS - AI适用于该数据集中的入侵检测。
|模型|准确率（UNSW - NB15数据集）|
| ---- | ---- |
|Behavior IDS - AI（SVM）|99.58%|
|Behavior IDS - AI（CNN）|99.66%|
技术流程

graph LR
    A[数据预处理] --> B[特征选择（熵选择方法）]
    B --> C[构建模型（SVM或CNN）]
    C -