基于卷积神经网络的入侵检测模型构建研究

作　　者： 陆俊杰

摘　　要： 随着网络技术的飞速发展，网络安全问题日益突出，尤其是入侵检测系统（IDS）在维护网络安全中扮演着关键角色。然而，传统 IDS 技术面临诸多挑战，包括对新型攻击的低检测率和高误报率。卷积神经网络（CNN）作为一种高效的图像处理技术，在其他领域已取得显著成果，为其在入侵检测领域的应用提供了新的思路。本研究旨在构建一种基于 CNN 的新型入侵检测模型，通过深度学习方法提取网络流量特征，有效识别和分类网络攻击行为。实验采用公开数据集 NSL-KDD 进行模型训练与评估，并与传统机器学习方法进行对比分析，验证了所提模型的有效性。研究结果表明，为解决传统 IDS 存在的问题提供了一种新的解决方案。

来　　源： 《信息产业报道》 2024-07