Print

基于多层神经网络的智能家居入侵检测方法

论文摘要

依托物联网技术的智能家居面临多重信息安全风险,现有智能家居入侵检测方案存在难以处理大量高维度数据、检测率低、误检率高、依赖经验确定网络层数等问题。提出一种融合深度学习与模糊神经网络的多层神经网络入侵检测方法;基于深度学习完成数据特征的学习,将高维数据映射为低维数据;基于网络重构误差训练并优化确定网络深度。仿真测试结果表明,该方案可有效提高对攻击行为的检测准确率和检测效率;针对远程非法访问的检测率可达到94%,对拒绝服务攻击的检测准确率可达96%,对网络中新型攻击的检测率超过60%。

论文目录

  • 0 引言
  • 1 国内外研究进展综述
  • 2 智能家居入侵检测模型的构建
  •   2.1 数据采集模块
  •   2.2 数据预处理模块
  •   2.3 基于多层神经网络的入侵检测模块
  •     2.3.1 限制玻尔兹曼机模型参数和学习方法
  •     2.3.2 多层神经网络的深度
  •     2.3.3 多层神经网络参数微调
  •   2.4 本地响应模块
  • 3 仿真与测试结果分析
  •   3.1 仿真平台及仿真数据来源
  •   3.2 仿真过程与结果分析
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 胡蓉,杨柳,胡向东

    关键词: 智能家居,入侵检测,深度学习,模糊神经网络,检测准确率

    来源: 重庆邮电大学学报(自然科学版) 2019年02期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 建筑科学与工程,自动化技术

    单位: 重庆邮电大学移通学院,重庆邮电大学自动化学院

    基金: 重庆市教委科学研究项目(KJ1602201),教育部-中国移动联合基金(MCM20150202)~~

    分类号: TU855;TP183

    页码: 174-182

    总页数: 9

    文件大小: 325K

    下载量: 401

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/695a79801850fcbd0a83b370.html