基本信息

---

下载

文档摘要

---

基于深度学习的网络入侵检测模型研究

摘要：针对传统入侵检测模型对零日攻击漏报率高、细粒度分类能力不足的瓶颈，提出DCVAE-DPC混合框架，首次将判别式条件变分自编码器（DiscriminativeConditionalVariationalAutoEncoder，DCVAE）与动态密度峰值聚类（DensityPeaksClustering，DPC）结合，通过隐空间监督学习与自适应阈值优化，实现未知攻击的高效识别。通过监督式隐空间重构与动态阈值学习，模型在NSL-KDD等数据集上的未知攻击召回率达97.19%，较BiGAN等基线方法提升15.5%，并且支持15类攻击的细粒度分类（