1. 毕业设计（论文）主要目标：
目前神经网络有很多不同的种类，例如：BP神经网络，周期神经网络，卷积神经网络等许多不同类型的神经网络，它们都有各自的优点和缺点，也都应用在分类，归一，筛选，预测等不同方面。
本文主要是将卷积神经网络算法用在大规模入侵检测上，需要构建出一个深层卷积神经网络的模型，再用大量的入侵检测数据集去训练神经网络模型，最后得到一个能够进行入侵检测分类的卷积神经网络。需要将实验中得到的卷积神经网络模型与其他应用在入侵检测的神经网络模型作对比，比较出卷积神经网络对于入侵检测领域有何优点，有何缺点，在未来的应用中，我们需要如何去改进卷积神经网络模型，来提高它对入侵检测分类的准确性，检测率以及降低误报率。
2. 毕业设计（论文）主要内容：
1、了解卷积神经网络的原理：卷积神经网络是将预处理数据通过卷积核进行卷积操作然后提取特征值，再将特征值进行卷积操作得到特征值的特征值，然后进行归一化处理，再通过池化层降低特征图的维度，最后根据结果进行分类。
2、了解入侵检测算法的评价方法：入侵检测就是对入侵行为的发觉，通过对计算机网络或计算机系统中若干关键点收集信息并对其进行分析，从中发现网络或系统中是否有违反安全策略的行为和被攻击的迹象。通常入侵检测算法的评价方法有三个标准：准确性，检测率和误报率。通过这三个标准来检验本文的算法是否有它的优越性。
3、实现使用卷积神经网络的大规模入侵检测：实验首先将kdd99数据集中的部分入侵数据预处理，然后通过多次卷积操作得到特征值，将特征值归一化后进行池化操作降低特征值维度，最后进行分类。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 主要参考文献
- Ming L, Hu X. Recurrent convolutional neural network for object recognition[C]// Computer Vision Pattern Recognition. 2015.
- Cai Z, Fan Q, Feris R S, et al. A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection[J]. 2016.
- Hong S, You T, Kwak S, et al. Online Tracking by Learning Discriminative Saliency Map with Convolutional Neural Network[J]. Computer Science, 2015:597-606.
- Xiao T, Xu Y, Yang K, et al. The application of two-level attention models in deep convolutional neural network for fine-grained image classification[J]. 2014.
- Hong S, Oh J, Han B, et al. Learning Transferrable Knowledge for Semantic Segmentation with Deep Convolutional Neural Network[J]. Computer Science, 2015.
- Xiao T, Zhang J, Yang K, et al. Error-Driven Incremental Learning in Deep Convolutional Neural Network for Large-Scale Image Classification[C]// Acm International Conference on Multimedia. 2014.
- Debar H, Becker M, Siboni D. A neural network component for an intrusion detection system.[C]// IEEE Symposium on Security Privacy. 1992.
- Zanero S, Savaresi S M. Unsupervised learning techniques for an intrusion detection system[C]// Acm Symposium on Applied Computing. 2004.
- Sekar R, Guang Y, Verma S, et al. A high-performance network intrusion detection system[C]// Acm Conference on Computer Communications Security. 1999.
- Linda O, Vollmer T, Manic M. Neural Network based Intrusion Detection System for critical infrastructures[C]// International Joint Conference on Neural Networks. 2009.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
