申请/专利权人：长春大学

申请日：2023-12-28

公开（公告）日：2024-03-26

公开（公告）号：CN117768225A

主分类号：H04L9/40

分类号：H04L9/40;G06N3/0464;G06N3/045;G06N3/0442;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：基于DCNN‑LSTM技术的网络入侵检测系统模型的搭建方法，涉及一种网络入侵检测技术，是为了解决传统的网络入侵检测方法对于复杂和新型的入侵行为有效检测的漏检率高以及由于捕捉到隐藏在大量网络流量中的微弱信号或隐蔽的入侵行为导致网络入侵检测准确率低的问题，基于DCNN‑LSTM网络入侵检测系统利用深度卷积神经网络DCNN和长短时记忆LSTM模型，可以从大量的网络流量数据中提取特征并捕捉时间序列的模式，以实现更准确的入侵检测。

主权项：1.基于DCNN-LSTM技术的网络入侵检测系统模型的搭建方法，其特征是：它包括以下步骤：步骤一、数据采集和预处理步骤：采集合适的原始数据集，并对数据进行预处理，获得预处理后的原始数据集；步骤二、构建深度卷积神经网络DCNN模型，用于从原始网络流量数据中提取有用的特征；其中：构建的深度卷积神经网络DCNN模型型包括A个卷积层、B个池化层和C个全连接层，A、B、C均为正整数；步骤三、时序数据建模步骤，具体为：步骤三一、长短期记忆网络LSTM模型构建子步骤，所述长短期记忆网络LSTM模型用于时序数据建模；所述长短期记忆网络LSTM模型包括LSTM层和全连接层，分别用于捕捉网络流量数据中的时序关系和长期依赖关系；步骤三二、LSTM时序建模子步骤：将深度卷积神经网络DCNN模型的输出表示作为输入序列，输入到长短期记忆网络LSTM模型中，通过前向传播过程进行时序数据建模，获取长短期记忆网络LSTM模型的输出表示；获得基于DCNN-LSTM技术的网络入侵检测系统模型；步骤四、将步骤三二获得的基于DCNN-LSTM技术的网络入侵检测系统模型进行训练和优化，完成基于DCNN-LSTM技术的网络入侵检测系统模型的搭建。

全文数据：

权利要求：

百度查询： 长春大学 基于DCNN-LSTM技术的网络入侵检测系统模型的搭建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD