基於深度學習的網絡入侵檢測模型與算法研究

入侵檢測作為一種動態的主動安全防禦技術， 在應對形形色色的網絡攻擊時能夠發揮重要作用。 本書將深度學習與入侵檢測相結合，利用深度學習 強大的特征表示和學習能力獲取數據特征，並從數 據的空間和時間維度檢測網絡攻擊。具體而言，本 書利用圖卷積神經網絡、圖註意力網絡、稀疏自編 碼器、殘差網絡、深度信念網絡以及傅裏葉變換、 高散傅裏葉變換與快速傅裏葉變換等方法開發了 ResLSTM、SENet、MGNN、LOGNN、DFNNB、TFNNLHL 、BT－TPF等多個網絡入侵檢測模型，在常規互聯網 、物聯網、CPS等應用場景上都取得了良好的檢測效 果。本書可作為網絡入侵檢測研究或管理人員的參 考用書，對相關人員理解和把握入侵檢測技術的 新發展動態以及未來趨勢能夠發揮一定的積極作用 。