首页|入侵检测在机器学习和深度学习中的发展

入侵检测在机器学习和深度学习中的发展

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着互联网技术的不断发展,入侵检测引起了越来越多的关注.由于人工智能技术的不断发展和对入侵检测系统性能的高要求,机器学习和深度学习算法已经成为入侵检测系统中的主要研究方向.本文主要对入侵检测在机器学习和深度学习中的发展作以总结,主要工作如下:首先,对2012—2021年的漏洞数量和入侵检测相关论文进行了统计;其次,对入侵检测中使用的数据集以及相关数据处理和传统入侵检测方法的分类进行概述;然后,对入侵检测中常用的机器学习方法包括支持向量机、随机森林和K-means等算法的应用进行了描述;再次,对入侵检测中常用深度学习算法包括卷积神经网络、循环神经网络和无监督学习方法进行了描述.最后,对在入侵检测中使用的机器学习和深度学习算法的表现进行了总结,并对未来入侵检测可能的发展方向进行了分析.
Intrusion Detection Progress in Machine Learning and Deep Learning

赵辉

展开 >

陕西理工大学数学与计算机科学学院,汉中 723001

人工智能 入侵检测 机器学习 深度学习

陕西省教育厅科研项目

14JK1148

2022

10.3969/j.issn.1007-1423.2022.13.010

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(13)
  • 1
  • 15