Indexed by：
Abstract：
本发明公开了一种基于深度学习的报文异常检测方法，首先对数据做预处理操作，将其预处理成二维矩阵形式，为了减小一般算法模型容易出现的过拟合现象，本发明利用shuffle函数将数据随机打乱，防止到达局部最优，是模型更容易收敛。然后利用卷积神经网络CNN从预处理后的数据中学习有效特征，最后通过支持向量机SVM分类器将得到的向量进行分类处理。该方法是利用深度学习的卷积神经网络所具备的高维度学习的优势，学习网络传输报文的有效特征，本发明所提出的模型在京都大学数据集上进行实验验证，并与在该数据集上验证的其他两个效果较好的模型进行实验比对，实验证明准确率和稳定性方面均有了很大的提升，训练和测试的耗时明显减少。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN201910911744.1
Filing Date： 2019-09-25
Publication Date： 2019-12-27
Pub. No.： CN110619049A
Applicants： 北京工业大学
Legal Status： 驳回
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 6
Affiliated Colleges：
