文献类型：期刊文章

作　　者：王扶文[1] 肖建军[1] 刘国亮[1] 刘高鹤[1]

WANG Fuwen;XIAO Jianjun;LIU Guoliang;LIU Gaohe(State Grid Gansu Electric Power Company Dingxi Power Supply Company,Dingxi 743000,Gansu,China)

机构地区：[1]国网甘肃省电力公司定西供电公司,定西甘肃743000

出　　处：《电力大数据》

年　　份：2022

卷　　号：25

期　　号：8

起止页码：37-44

语　　种：中文

收录情况：JST、普通刊

摘　　要：为了降低现有的入侵检测模型在面对高维数据集时,往往会出现分类精度低,假阳性率高等问题,本文提出了一种结合卷积神经网络和C5.0分类算法的电力信息系统入侵检测模型。该模型首先用CNN的中间隐藏层学习并提取流量数据的特征,然后将提取出的特征输入到C5.0分类器中训练并分类。通过与KNN、SVM、NB以及J48这四种分类器在NSL-KDD和UNSW-NB15两种数据集上分别做多分类对比性实验,结果表明C5.0分类器在CNN特征的二分类和多分类任务中表现出了分类精度高、假阳性率低的最优性能,该模型具有一定的应用推广价值。

关 键 词：入侵检测 深度学习  卷积神经网络  分类器  

分 类 号：TP309]