一种基于LMDR和CNN的混合入侵检测模型

摘要

随着网络安全技术的飞速发展和大数据技术的广泛应用,传统的机器学习模型已难以满足大数据环境下高效入侵检测的要求.针对原始数据集特征不够明显的情况,利用卷积神经网络进行大数据特征提取与数据分析的优势,文章提出一种基于对数边际密度比(Logarithm Marginal Density Ratio,LMDR)和卷积神经网络(Convotional Neural Network,CNN)的混合入侵检测模型.该模型相较于现有传统的机器学习算法和神经网络模型,能够更充分挖掘数据特征间的联系,有效提高分类准确率并降低误报率.