首页|基于决策树和混合神经网络的大数据攻击增量检测研究

基于决策树和混合神经网络的大数据攻击增量检测研究

INCREMENTAL DETECTION FOR BIG DATA ATTACKS BASED ON DECISION TREE AND HYBRID NEURAL NETWORK

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
大数据攻击检测是一种不平衡数据的分类问题,传统的深度学习算法对此类问题容易发生过拟合,且计算时间较长.对此,提出基于决策树和混合神经网络的大数据攻击增量检测模型.模型通过卷积神经网络提取数据的特征,基于长短期记忆网络学习所提取特征之间的依赖关系,防止出现梯度消失问题.设计了基于决策树的神经网络增量学习算法,能够识别出数据的细粒度类标签.实验结果表明,混合神经网络有效地缓解了过拟合问题,提高了模型的计算效率,同时也验证了增量学习的有效性.

谭继安

展开 >

东莞职业技术学院 广东 东莞523808

深度神经网络 大数据 数据安全 卷积神经网络 决策树 增量学习

广东省高等职业教育教学质量与教学改革工程项目东莞职业技术学院国家双高计划电子信息工程技术专业群专项

GDJG2019006ZXF020

2022

10.3969/j.issn.1000-386x.2022.07.050

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(7)
  • 2
  • 4