-
公开(公告)号：CN118260593A
公开(公告)日：2024-06-28
申请号：CN202410363342.3
申请日：2024-03-28
Applicant: 暨南大学
IPC: G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/096 , H04L9/40
Abstract: 本发明公开了一种网络入侵检测识别的深度学习方法、装置、存储介质及计算机设备，此方法采用基于Transformer模型改进得到的Concise‑former神经网络模型，在编码器模块引入卷积门控自注意力层，以增强编码器模块对于序列数据中局部依赖的挖掘，进一步强化了网络的表达能力和泛化能力，提高了入侵检测的准确性和稳定性，通过简化网络，降低了模型的算法复杂度，提升了模型的计算效率。另外，本发明的方法还采用联合学习对神经网络进行训练，从而在保证精确度的情况下，大幅度提升模型的计算速度以及降低内存消耗，提高了入侵检测的实用性和灵活性。因此本发明能够有效地检测到各种类型的网络入侵。
Search Results
1
records
(took 0.028 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
