期刊文献+
共找到2,586篇文章
< 1 2 130 >
每页显示 20 50 100
基于密度异常因子的武器装备故障检测方法 预览
1
作者 刘冬冬 《舰船电子工程》 2019年第5期120-123,共4页
高新技术的广泛应用对武器装备的故障检测与维修保障提出了更高的要求。武器装备在服役过程中,对其稳定性要求较高,不仅需要在故障发生后能快速诊断与检修,也需要在运行过程中去检测异常,防止发生大的故障导致硬件损坏。针对该问题,论... 高新技术的广泛应用对武器装备的故障检测与维修保障提出了更高的要求。武器装备在服役过程中,对其稳定性要求较高,不仅需要在故障发生后能快速诊断与检修,也需要在运行过程中去检测异常,防止发生大的故障导致硬件损坏。针对该问题,论文提出一种基于密度异常因子的异常检测方法,首先给出数据点密度的定义,并计算数据点在其近邻中的密度,其次建立数据点的密度相似队列,最后,基于密度相似队列和数据点与其近邻的密度差异,给出每个数据点一个异常因子值。仿真实验结果表明,算法具有较好的异常点检测能力。 展开更多
关键词 异常检测 故障诊断 密度异常因子 异常 数据挖掘 数据缺陷检测
在线阅读 下载PDF
基于地震前兆观测系统流量检测的网络异常行为分析———评《网络流量的异常检测监控方法及相关技术研究》 预览
2
作者 王小英 刘庆杰 高方平 《电子显微学报》 CAS CSCD 北大核心 2019年第2期I0002-I0004,共3页
地震前兆观测是地震检测工作中的一项重大内容,对地震前兆观测系统流量检测出的数据进行异常行为分析可以进一步掌握地震情况,全面分析异常,及时合理进行地震预报,最后为震前预防工作奠定坚实基础,减少地震给人们带来的不必要伤害.近年... 地震前兆观测是地震检测工作中的一项重大内容,对地震前兆观测系统流量检测出的数据进行异常行为分析可以进一步掌握地震情况,全面分析异常,及时合理进行地震预报,最后为震前预防工作奠定坚实基础,减少地震给人们带来的不必要伤害.近年来,对地震前兆异常数据检测的研究不断,研究者从不同角度结合具体案例对地震前兆异常进行分析,如利用统计方法和地质学对比研究不同地震,利用GPS基准站的基线时间序列分析汶川大地震是断裂带受到推挤造成的,利用绝对和相对重力分析地震与重力间的关系等. 展开更多
关键词 地震前兆观测 异常检测 行为分析 流量检测 监控方法 网络流量 网络异常 系统
在线阅读 下载PDF
基于密度的Top-n局部异常点快速检测算法 预览
3
作者 刘芳 齐建鹏 +2 位作者 于彦伟 曹磊 赵金东 《自动化学报》 EI CSCD 北大核心 2019年第9期1756-1771,共16页
局部异常检测(Local outlier factor, LOF)能够有效解决数据倾斜分布下的异常检测问题,在很多应用领域具有较好的异常检测效果.本文面向大数据异常检测,提出了一种快速的Top-n局部异常点检测算法MTLOF (Multi-granularity upper bound p... 局部异常检测(Local outlier factor, LOF)能够有效解决数据倾斜分布下的异常检测问题,在很多应用领域具有较好的异常检测效果.本文面向大数据异常检测,提出了一种快速的Top-n局部异常点检测算法MTLOF (Multi-granularity upper bound pruning based top-n LOF detection),融合索引结构和多层LOF上界设计了多粒度的剪枝策略,以快速发现Top-n局部异常点.首先,提出了四个更接近真实LOF值的上界,以避免直接计算LOF值,并对它们的计算复杂度进行了理论分析;其次,结合索引结构和UB1、UB2上界,提出了两层的Cell剪枝策略,不仅采用全局Cell剪枝策略,还引入了基于Cell内部数据对象分布的局部剪枝策略,有效解决了高密度区域的剪枝问题;再次,利用所提的UB3和UB4上界,提出了两个更加合理有效的数据对象剪枝策略, UB3和UB4上界更加接近于真实LOF值,有利于剪枝更多数据对象,而基于计算复用的上界计算方法,大大降低了计算成本;最后,优化了初始Top-n局部异常点的选择方法,利用区域划分和建立的索引结构,在数据稀疏区域选择初始局部异常点,有利于将LOF值较大的数据对象选为初始局部异常点,有效提升初始剪枝临界值,使得初始阶段剪枝掉更多的数据对象,进一步提高检测效率.在六个真实数据集上的综合实验评估验证MTLOF算法的高效性和可扩展性,相比最新的TOLF (Top-n LOF)算法,时间效率提升可高达3.5倍. 展开更多
关键词 异常检测 局部异常检测 Top-n 剪枝策略
在线阅读 下载PDF
否定选择算法的自体半径分析 预览
4
作者 何君 曾岳 柴争义 《哈尔滨商业大学学报:自然科学版》 CAS 2019年第2期191-194,共4页
对于异常检测问题,负选择算法有着显著的检测效果,其检测性能受多个参数的影响,如自体半径和预期覆盖率等.传统的否定选择过程在检测器生成阶段的参数是根据经验选择的,这使得检测性能各不相同.对NSA参数提出一组新的方法评估分析,将自... 对于异常检测问题,负选择算法有着显著的检测效果,其检测性能受多个参数的影响,如自体半径和预期覆盖率等.传统的否定选择过程在检测器生成阶段的参数是根据经验选择的,这使得检测性能各不相同.对NSA参数提出一组新的方法评估分析,将自体边界通过迭代算法计算最佳自体半径,并生成不同参数的可变半径检测器.通过实验获取最佳自体半径的同时,还能同时提高检测器对非自体区域的覆盖面积. 展开更多
关键词 异常检测 否定选择算法 自体半径 检测 检测 预期覆盖率
在线阅读 下载PDF
智能视频异常检测事件研究分析 预览
5
作者 闻辉 贾冬顺 +2 位作者 严涛 陈德礼 林元模 《信息与电脑》 2019年第12期49-50,共2页
目前,国内大多数视频监控主要是录制视频数据,用于事后取证,或将视频数据传输到监控中心,由大量工作人员观测和分析所传输的视频数据,存在人工成本过高、数据实时性处理得不到保证等问题。为此,针对当前智能视频监控中的视频异常检测事... 目前,国内大多数视频监控主要是录制视频数据,用于事后取证,或将视频数据传输到监控中心,由大量工作人员观测和分析所传输的视频数据,存在人工成本过高、数据实时性处理得不到保证等问题。为此,针对当前智能视频监控中的视频异常检测事件,提供了视频异常事件的定义、检测流程以及所使用的主要方法,并总结了智能视频异常检测技术。 展开更多
关键词 视频监控 异常检测 智能 异常事件
在线阅读 下载PDF
基于ARIMA模型的九寨沟7.0级地震前兆异常检测 预览
6
作者 张继艳 王新安 +1 位作者 雍珊珊 黄继攀 《华北地震科学》 2019年第1期28-33,共6页
运用时间序列方法ARIMA对九寨沟县7.0级地震的震前15天距震中500 km范围内已布设的14个AETA系统台站的低频电磁均值数据进行地震前兆异常检测。结果表明:在震前的15天范围内,距震中500 km内9个AETA台站出现异常;从综合14个台站数据异常... 运用时间序列方法ARIMA对九寨沟县7.0级地震的震前15天距震中500 km范围内已布设的14个AETA系统台站的低频电磁均值数据进行地震前兆异常检测。结果表明:在震前的15天范围内,距震中500 km内9个AETA台站出现异常;从综合14个台站数据异常情况热力图可以看出,有4个台站的异常现象持续时间达9天以上,尤其松潘地震台在震前3~5天出现明显异常;从异常台站地理分布看出,14个台站中出现明显异常的9个台站位于中国大陆一级板块边界附近。 展开更多
关键词 异常检测 时间序列 ARIMA 前兆异常 电磁扰动
在线阅读 免费下载
基于流量特征建模的网络异常行为检测技术 预览
7
作者 黄河 邓浩江 陈君 《网络新媒体技术》 2019年第4期11-20,共10页
基于流量特征建模的网络异常行为检测技术通过对网络流量进行特征匹配与模式识别,进而检测出潜在的、恶意入侵的网络流量,是网络异常行为检测的有效手段。根据检测数据来源的不同,传统检测方法可以分为基于传输层信息、载荷信息、主机... 基于流量特征建模的网络异常行为检测技术通过对网络流量进行特征匹配与模式识别,进而检测出潜在的、恶意入侵的网络流量,是网络异常行为检测的有效手段。根据检测数据来源的不同,传统检测方法可以分为基于传输层信息、载荷信息、主机行为特征等三类,而近年来兴起的深度学习方法已经开始应用于这三类数据,并可以综合应用三类数据,本文从技术原理与特点、实验方式、取得的成果等方面对上述技术路线进行了综述,并分析了存在的主要问题和发展趋势。 展开更多
关键词 网络异常行为 异常检测 模式识别 流量特征建模 深度学习
在线阅读 下载PDF
基于K-均距异常因子的步态信号异常检测
8
作者 涂斌斌 揣荣岩 许会 《信息与控制》 CSCD 北大核心 2019年第1期16-21,共6页
针对在提取步态特征时,步态信号的有效采样距离短、模式异常多、难以满足周期划分需求的问题,提出了一种基于K-均距异常因子的步态序列异常检测方法.首先,对步态信号进行自适应小波去噪,通过边缘权重因子提取边缘点划分子模式,然后以4... 针对在提取步态特征时,步态信号的有效采样距离短、模式异常多、难以满足周期划分需求的问题,提出了一种基于K-均距异常因子的步态序列异常检测方法.首先,对步态信号进行自适应小波去噪,通过边缘权重因子提取边缘点划分子模式,然后以4个特征值构建四维特征空间和特征子空间来计算异常因子,最后以异常值均值为标准,以步态周期为单位,对步态序列进行筛选.经公开数据集和自采数据集实验,结果证明在步态信号中检测步态周期模式异常的准确性、合理性和有效性. 展开更多
关键词 步态加速度 K-均距异常因子 异常检测 步态周期
基于异常检测的K-means改进算法研究 预览
9
作者 薛晨杰 林婷薇 《软件导刊》 2019年第4期74-78,共5页
K-means算法作为较为普遍的聚类算法,聚类效果受孤立点、噪声点和初始聚类中心影响较大。结合Isolation Forest算法计算数据中每个样本的异常度系数,根据离群值过滤比例计算得到异常度系数阈值,对高度异常值加以隔离,并对隔离后的数据... K-means算法作为较为普遍的聚类算法,聚类效果受孤立点、噪声点和初始聚类中心影响较大。结合Isolation Forest算法计算数据中每个样本的异常度系数,根据离群值过滤比例计算得到异常度系数阈值,对高度异常值加以隔离,并对隔离后的数据集使用平均插值法求得初始聚类中心。运用改进K-means算法对真实数据集进行聚类分析,与此同时,通过比较多个离群值过滤比例下的聚类结果,找到离群值过滤比例的最优取值。仿真结果表明,相比于原始算法,新算法显著提升了聚类准确性,聚类效果更佳。 展开更多
关键词 K-MEANS算法 聚类算法 异常检测 异常度系数 离群过滤比例
在线阅读 免费下载
基于 KELM选择性集成的复杂网络环境入侵检测 预览
10
作者 刘金平 何捷舟 +3 位作者 马天雨 张五霞 唐朝晖 徐鹏飞 《电子学报》 EI CAS CSCD 北大核心 2019年第5期1070-1078,共9页
为解决复杂网络环境网络入侵事件特征复杂多变、新型入侵检测度低、检测时间长、难以实现实时检测的问题,本文提出一种基于核极限学习机(Kernel Extreme Learning Machine,KELM)选择性集成的网络入侵检测方法(SEoKELM NID).该方法采用 B... 为解决复杂网络环境网络入侵事件特征复杂多变、新型入侵检测度低、检测时间长、难以实现实时检测的问题,本文提出一种基于核极限学习机(Kernel Extreme Learning Machine,KELM)选择性集成的网络入侵检测方法(SEoKELM NID).该方法采用 Bagging策略独立快速训练出多个 KELM子学习器;然后基于边缘距离最小化(Margin Distance Minimization,MDM)准则对 KELM子学习器的集成增益进行度量,通过选择增益度高的部分 KELM子学习器进行选择性集成,获得泛化能力强、效率高的选择性集成学习器;同时,引入一种基于批量样本增量学习的 KELM子分类器在线更新策略,实现入侵检测模型的在线更新,使 SEoKELM NID能有效适应复杂网络环境的变化.在 KDD99数据集和一个以太网和无线网络混合的复杂网络仿真实验平台上进行了仿真实验验证,结果表明,SEoKELM NID相比基于单个学习器以及传统集成学习的网络入侵检测方法具有更好的识别准确性以及更快的识别速度,特别对于未知的网络入侵连接事件响应速度快、漏报率低. 展开更多
关键词 网络入侵检测 极限学习机(ELM) 异常检测 选择性集成学习 边缘距离最小化
在线阅读 下载PDF
马尔可夫模型于无线信道异常检测中的应用
11
作者 袁莉芬 郭涛 +3 位作者 何怡刚 吕密 程珍 索帅 《电子测量与仪器学报》 CSCD 北大核心 2019年第3期29-34,共6页
无线信道异常检测中,现有基于大尺度衰落建模的能量检测法简便、迅速,然而其在检测过程中忽略了阴影衰落的实时、随机变化的特性。马尔可夫模型在无线信道建模中具有良好的应用前景,能够有效地应用于阴影衰落的动态分析。通过统计分析... 无线信道异常检测中,现有基于大尺度衰落建模的能量检测法简便、迅速,然而其在检测过程中忽略了阴影衰落的实时、随机变化的特性。马尔可夫模型在无线信道建模中具有良好的应用前景,能够有效地应用于阴影衰落的动态分析。通过统计分析先验马尔可夫模型矩阵的相似度变化阈值,计算先验与实时马尔可夫模型矩阵相似度,检测阴影衰落的变化规律是否发生变化,实现无线信道环境的异常检测。该方法作为大尺度衰落建模能量检测法的补充,能够完善检测覆盖面,提高检测的准确率。多次仿真实验结果表明,在高斯白噪声入侵时,该方法可实现准确的检测。 展开更多
关键词 无线信道 异常检测 大尺度衰落模型 能量检测 马尔可夫模型
基于视觉显著性的RX舰船目标检测 预览
12
作者 陈梦云 厉小润 《工业控制计算机》 2019年第2期86-88,共3页
为了有效检测出海杂波明显情况下的舰船目标,提出了一种基于视觉显著性的目标检测算子。该算法在传统异常检测算子中引入了视觉显著性算法,引入视觉显著性算法可有效抑制背景像素,加强目标像素。实验结果表明,该算法在海况复杂的情况下... 为了有效检测出海杂波明显情况下的舰船目标,提出了一种基于视觉显著性的目标检测算子。该算法在传统异常检测算子中引入了视觉显著性算法,引入视觉显著性算法可有效抑制背景像素,加强目标像素。实验结果表明,该算法在海况复杂的情况下,能有效检测出舰船目标,降低虚警率。 展开更多
关键词 目标检测 视觉显著性 异常检测
在线阅读 下载PDF
大数据网络下船舶轨迹异常故障检测技术优化 预览
13
作者 刘志方 《舰船科学技术》 北大核心 2019年第10期34-36,共3页
为全面控制船舶航行轨迹,保持良好的航向应用条件,提出大数据网络下的船舶轨迹异常故障检测优化技术。从上限边界数值确定、下限边界数值确定2个角度,完成大数据网络下的船舶轨迹异常范围确定。在此基础上,通过轨迹故障类型划分、节点... 为全面控制船舶航行轨迹,保持良好的航向应用条件,提出大数据网络下的船舶轨迹异常故障检测优化技术。从上限边界数值确定、下限边界数值确定2个角度,完成大数据网络下的船舶轨迹异常范围确定。在此基础上,通过轨迹故障类型划分、节点故障检测属性关系确定、偏导优化系数计算3个步骤,完成大数据网络下船舶轨迹异常故障检测技术的优化操作。模拟实验结果表明,与基础故障检测技术相比,应用优化技术手段后,船舶航行轨迹的时间复杂度得到适当降低,单一节点处的轨迹密度提升明显,船舶航行应用条件得到有效保障。 展开更多
关键词 大数据网络 轨迹故障 异常检测 边界数值 故障类型 检测属性 偏导优化
在线阅读 下载PDF
基于逻辑回归的增量式异常用电行为检测方法 预览
14
作者 张小秋 周超 徐晴 《科学技术与工程》 北大核心 2019年第29期144-149,共6页
用户异常用电行为的检测是电力公司需要重点解决的问题。目前异常用电检测通常采用数据分析的方法,主要包括聚类和分类两种,在处理固定数据集时校测准确率和效率均较高。但是此类方法在处理增量数据时,每次数据增量更新时均需要将增量... 用户异常用电行为的检测是电力公司需要重点解决的问题。目前异常用电检测通常采用数据分析的方法,主要包括聚类和分类两种,在处理固定数据集时校测准确率和效率均较高。但是此类方法在处理增量数据时,每次数据增量更新时均需要将增量数据与原始数据合并后重新建模才能获得新的检测模型,而用户的用电数据是频繁更新的且最新的数据更能体现出用户的用电习惯,因此在异常用电行为检测时必须考虑增量数据,而现有检测方法在进行增量式异常用电行为检测时效率很低。为解决数据增量式更新的情况下异常用电行为检测方法性能低下的问题,提出了一种基于逻辑回归的增量式异常用电行为检测方法,仅需对增量数据进行建模即可得到面向全局数据集的检测模型,无需对全局数据进行重新建模,提高检测算法的执行效率。当用户电量数据产生增量时,仅需对增量数据构建检测模型,再与原始数据的检测模型相结合,即可得到基于全部数据的检测模型。实验结果表明,该方法在保证检测结果准确性的同时,极大地提高了算法执行效率,且对计算和存储资源的需求较低。 展开更多
关键词 逻辑回归 异常检测 增量式检测 用电行为
在线阅读 免费下载
基于Dense_YOLO的室内目标异常检测 预览
15
作者 贾世杰 胡斯平 +1 位作者 杨明珠 刘舒婷 《大连交通大学学报》 CAS 2019年第3期102-107,共6页
针对室内场所,运用目标检测等算法实现对监控视频的实时异常检测.为提高检测效果,对YOLOv2模型进行了三个方面的改进:利用稠密网络中特征融合方式改进网络结构;使用K-means++对目标框进行聚类改进网络参数;利用迁移学习的方式对网络进... 针对室内场所,运用目标检测等算法实现对监控视频的实时异常检测.为提高检测效果,对YOLOv2模型进行了三个方面的改进:利用稠密网络中特征融合方式改进网络结构;使用K-means++对目标框进行聚类改进网络参数;利用迁移学习的方式对网络进行训练;改进最终得到Dense_YOLO目标检测模型.实验结果表明Dense_YOLO正确率达到了93.66%,相比YOLOv2提高了7.06%.针对人、宠物、贵重物品这几种常见的监控目标,利用Dense_YOLO对目标状态进行异常检测,并分别在一般场景、光照强、光照弱、目标被遮挡、目标较小等不利条件下进行测试,区域入侵检测、物品移动/移出检测两种特定目标异常检测功能分别到达92.73%、90.07%的平均正确率. 展开更多
关键词 室内场所 视频监控 异常检测 目标检测 Dense_YOLO
在线阅读 下载PDF
滚动轴承高维随机矩阵状态异常检测算法 预览
16
作者 倪广县 陈金海 王恒 《西安交通大学学报》 EI CAS CSCD 北大核心 2019年第10期65-71,共7页
为解决运行状态监测数据量不断增大、传统降维方法会造成部分有用信息损失的问题,提出了一种滚动轴承高维随机矩阵的状态异常检测算法。对滚动轴承健康监测数据进行多域特征提取和归一化,并通过增广、拼接、随机化等运算构造高维随机矩... 为解决运行状态监测数据量不断增大、传统降维方法会造成部分有用信息损失的问题,提出了一种滚动轴承高维随机矩阵的状态异常检测算法。对滚动轴承健康监测数据进行多域特征提取和归一化,并通过增广、拼接、随机化等运算构造高维随机矩阵;计算高维随机矩阵的样本协方差矩阵,利用该矩阵的最大与最小特征值之比作为滚动轴承状态异常检测指标;基于随机矩阵谱理论M-P律、Tracy-Widom第一分布,给出了异常检测阈值的数学表达式和决策规则。采用美国辛辛那提大学实验中心轴承试验数据开展了应用研究,分析了高维随机矩阵行列数之比c分别取0.4、0.5、0.6、0.75,误警率分别取0、0.05、0.1、0.2等情况下对检测阈值的影响,并给出了误警率取0.05、矩阵行列数之比c为上述4种情况下滚动轴承早期异常检测结果。试验结果表明,与峭度指标检测算法相比,该算法提前11 h就能检测出滚动轴承的异常状态,可为设备预知维护提供理论指导。 展开更多
关键词 滚动轴承 异常检测 高维随机矩阵 检测阈值
在线阅读 下载PDF
高光谱图像序列中的运动弱小目标检测 预览
17
作者 王津申 李阳 +1 位作者 王清峰 鲜宁 《飞控与探测》 2019年第3期85-89,共5页
高光谱图像序列包含时域信息和光谱信息的弱小运动目标检测,其因在民用和军用中的重要作用而引起了研究人员的兴趣。提出了一种新的空时联合异常方法来解决弱小运动目标的检测问题。该方法分别从空间域和时间域利用异常检测算法计算了... 高光谱图像序列包含时域信息和光谱信息的弱小运动目标检测,其因在民用和军用中的重要作用而引起了研究人员的兴趣。提出了一种新的空时联合异常方法来解决弱小运动目标的检测问题。该方法分别从空间域和时间域利用异常检测算法计算了空间异常图和时间异常图。为了检测目标的运动一致性特征,该方法生成了运动轨迹预测图。将空间异常图、时间异常图和轨迹预测图融合后,可以很容易地从背景中检测到感兴趣的目标。该方法被应用于云杂波背景下的空中目标测试数据集。实验结果表明,该方法具有较低的虚警率和较高的检测率。 展开更多
关键词 弱小目标检测 高光谱图像序列 异常检测 空时联合处理
在线阅读 免费下载
基于多源传感数据相关性分析的电厂设备故障检测方法 预览
18
作者 柴政 刘晨 +1 位作者 朱美玲 韩燕波 《计算机与数字工程》 2019年第3期682-688,共7页
传统模型驱动的设备故障检测方法不能有效考虑传感数据之间的复杂关联,致使很多潜在的异常难以有效发现。论文从数据驱动的视角出发,提出了一种基于多源传感数据相关性分析的设备故障在线检测方法。首先,通过测点聚类和线性回归技术,对... 传统模型驱动的设备故障检测方法不能有效考虑传感数据之间的复杂关联,致使很多潜在的异常难以有效发现。论文从数据驱动的视角出发,提出了一种基于多源传感数据相关性分析的设备故障在线检测方法。首先,通过测点聚类和线性回归技术,对设备传感历史数据进行离线训练,检测传感数据之间的潜在关联。然后,利用关联检测结果对传感数据流进行在线异常检测,捕获不符合离线关联模型的传感数据并进行预警异常。最后,基于某大型火电厂真实数据集进行实验,验证了该方法的有效性。 展开更多
关键词 多源传感数据 相关性 异常检测 在线检测
在线阅读 下载PDF
基于孤立森林算法的电力调度流数据异常检测方法 被引量:2
19
作者 李新鹏 高欣 +4 位作者 阎博 陈春旭 陈斌 李军良 徐建航 《电网技术》 EI CSCD 北大核心 2019年第4期1447-1456,共10页
调度是电力系统安全运行的保障。针对具有"概念漂移"特点的调度监测流数据,基于离线数据分析或简单阈值判定的异常检测方法,存在与生产系统实时运行状态结合不紧密、依赖专家经验等问题。提出了一种基于孤立森林算法的电力调... 调度是电力系统安全运行的保障。针对具有"概念漂移"特点的调度监测流数据,基于离线数据分析或简单阈值判定的异常检测方法,存在与生产系统实时运行状态结合不紧密、依赖专家经验等问题。提出了一种基于孤立森林算法的电力调度流数据异常检测方法,利用历史数据集训练构建多个子森林异常检测器,组成基森林异常检测器;据此,在线根据滑动窗口中数据的异常情况及缓冲区数据量大小,触发检测器更新。提出一种根据异常偏差率大小筛选子森林异常检测器的更新策略,解决因模型随机更新导致异常检测器整体性能下降的问题。以服务器和某省级电网调度中心业务流数据集作为训练与测试样本,验证了所提方法在异常检测查全率及查准率等综合性能上的先进性及其在实际系统应用中的可行性。 展开更多
关键词 电力调度流数据 异常检测 孤立森林 检测器更新策略
基于深度学习的网络入侵检测研究综述 预览
20
作者 张勇东 陈思洋 +1 位作者 彭雨荷 杨坚 《广州大学学报:自然科学版》 CAS 2019年第3期17-26,共10页
互联网的不断发展与广泛使用给网络用户带来了极大的方便,但同时也使得网络安全形势变得越来越严峻.传统的基于签名的入侵检测方法难以应对日益增多的加密攻击检测和零日攻击检测问题.在过去的几年里,人们对基于深度学习的入侵检测技术... 互联网的不断发展与广泛使用给网络用户带来了极大的方便,但同时也使得网络安全形势变得越来越严峻.传统的基于签名的入侵检测方法难以应对日益增多的加密攻击检测和零日攻击检测问题.在过去的几年里,人们对基于深度学习的入侵检测技术给予了极大的关注.文章通过广泛的文献调查,介绍了利用深度学习技术进行网络异常检测的最新工作:①总结了网络入侵检测常用的输入特征和相关预处理操作;②概括了几种常见的深度学习模型及其特点,并结合输入特征讨论了各个模型的选择方法;③总结了深度学习方法能够解决的几种常见的入侵检测问题;④讨论了利用深度学习进行入侵检测时仍然存在的若干挑战与问题. 展开更多
关键词 入侵检测 异常检测 深度学习 网络安全
在线阅读 下载PDF
上一页 1 2 130 下一页 到第
使用帮助 返回顶部 意见反馈