• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于非對(duì)稱(chēng)分解卷積的網(wǎng)絡(luò)安全檢測(cè)

    2020-10-23 09:11:12馮仁君吳吉王震宇景棟盛
    軟件工程 2020年10期
    關(guān)鍵詞:安全檢測(cè)卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)安全

    馮仁君 吳吉 王震宇 景棟盛

    摘 ?要:近年來(lái),網(wǎng)絡(luò)安全檢測(cè)已經(jīng)取得了很大的進(jìn)步。然而,網(wǎng)絡(luò)迅速的發(fā)展、流量分布的變化和數(shù)據(jù)樣本中的噪聲等問(wèn)題都對(duì)現(xiàn)有方法提出了很大的挑戰(zhàn)。針對(duì)此,提出了基于非對(duì)稱(chēng)分解卷積的網(wǎng)絡(luò)安全檢測(cè)(Network Security Detection Based on Asymmetric Decomposed Convolution,ADC-NSD)方法。ADC-NSD方法根據(jù)對(duì)網(wǎng)絡(luò)連接數(shù)據(jù)的訓(xùn)練與學(xué)習(xí),生成區(qū)別常態(tài)與危險(xiǎn)狀態(tài)的安全檢測(cè)模型,通過(guò)對(duì)卷積神經(jīng)網(wǎng)絡(luò)中的卷積核進(jìn)行分解,完成對(duì)數(shù)據(jù)進(jìn)行解析和檢測(cè)。最后,以KDDCUP99為測(cè)試數(shù)據(jù)集,將ADC-NSD方法與其他機(jī)器學(xué)習(xí)方法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明,ADC-NSD方法能有效地解決網(wǎng)絡(luò)安全檢測(cè)問(wèn)題,總體精確率為98.72%,準(zhǔn)確率為99.92%,召回率為94.61%,F(xiàn)1值為97.19%。

    關(guān)鍵詞:網(wǎng)絡(luò)安全;安全檢測(cè);卷積神經(jīng)網(wǎng)絡(luò);非對(duì)稱(chēng)分解卷積

    中圖分類(lèi)號(hào):TP18 ? ? 文獻(xiàn)標(biāo)識(shí)碼:A

    Network Security Detection based on Asymmetric Decomposed Convolution

    FENG Renjun, WU Ji, WANG Zhenyu, JING Dongsheng

    (Suzhou Power Supply Branch, State Grid Jiangsu Electric Power Limited Company, Suzhou 215004, China)

    frj1989@126.com; 13862159678@163.com; gcxy6@hotmail.com; jds19810119@163.com

    Abstract: In recent years, network security detection has made great progress. However, the rapid development of communication networks, changes of the traffic distribution and the noise in data samples all pose great challenges to the existing network security detection methods. To solve this problem, an approach referred as Network Security Detection based on Asymmetric Decomposition Convolution (ADC-NSD) is proposed. ADC-NSD generates a security detection model to distinguish normal state and dangerous state according to the training and learning of network connection data, and then analyzes and checks the data through decomposing the convolution kernel of the convolution neural network (CNN). Finally, using KDDCUP99 (KDD: Knowledge Discovery and Data Mining) dataset as testing dataset, ADC-NSD is measured against other machine learning algorithms. The results show that ADC-NSD could be well applied to network security detection. The overall accuracy rating is 98.72%, precision rate being 99.92%, recall rate being 94.61% and F1 score being 97.19%.

    Keywords: network security; security detection; convolution neural network; asymmetric decomposed convolution

    1 ? 引言(Introduction)

    網(wǎng)絡(luò)技術(shù)的發(fā)展為人們的生產(chǎn)與生活提供了很多的便捷,但也始終伴隨著網(wǎng)絡(luò)安全問(wèn)題。這一問(wèn)題得到了人們的廣泛關(guān)注,成為一個(gè)研究熱點(diǎn)。

    雖然目前針對(duì)網(wǎng)絡(luò)安全檢測(cè)的研究工作已經(jīng)取得了很大的進(jìn)步,但也存在大量問(wèn)題,如需要人工標(biāo)注數(shù)據(jù)集、學(xué)習(xí)效率差、方法實(shí)用性弱等。深度學(xué)習(xí)通過(guò)構(gòu)建多層的神經(jīng)網(wǎng)絡(luò)對(duì)大量原始數(shù)據(jù)進(jìn)行表征學(xué)習(xí),具備較強(qiáng)的構(gòu)建模型及推理能力,廣泛應(yīng)用于醫(yī)學(xué)研究[1]、機(jī)器人控制[2]、圖像識(shí)別[3]和自然語(yǔ)言處理[4]等領(lǐng)域。

    因此,如何充分發(fā)揮深度學(xué)習(xí)的優(yōu)勢(shì)以提高安全檢測(cè)模型的分析和預(yù)測(cè)能力,顯得尤為有意義。針對(duì)此,本文將非對(duì)稱(chēng)分解卷積應(yīng)用到網(wǎng)絡(luò)安全檢測(cè)模型的構(gòu)建與提取特征之中。首先,通過(guò)預(yù)處理模塊生成滿足需求的數(shù)據(jù)用于訓(xùn)練;然后將傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)中的卷積核進(jìn)行非對(duì)稱(chēng)分解;最后,將改進(jìn)的模型應(yīng)用于安全檢測(cè)。本文在KDDCUP99數(shù)據(jù)集[5]上進(jìn)行了測(cè)試。結(jié)果表明,本文方法在網(wǎng)絡(luò)安全檢測(cè)過(guò)程中表現(xiàn)出了高效性和可靠性。

    2 ? 相關(guān)研究(Related work)

    2.1 ? 深度學(xué)習(xí)

    深度學(xué)習(xí)通過(guò)構(gòu)建多層的神經(jīng)網(wǎng)絡(luò)對(duì)原始的大量的數(shù)據(jù)進(jìn)行表征學(xué)習(xí),從而提取出原始數(shù)據(jù)中的抽象原始特征。深度學(xué)習(xí)擁有較強(qiáng)的構(gòu)建模型能力及推理能力,可以通過(guò)一系列的函數(shù)計(jì)算模擬計(jì)算機(jī)在神經(jīng)元里的激活活動(dòng),從而學(xué)習(xí)數(shù)據(jù)特征。其中,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)的代表。深度神經(jīng)網(wǎng)絡(luò)通過(guò)訓(xùn)練大量帶標(biāo)簽數(shù)據(jù),利用反向傳播算法從而能夠提取數(shù)據(jù)特征。

    與此同時(shí),深度學(xué)習(xí)也應(yīng)用到了大量無(wú)監(jiān)督學(xué)習(xí)算法、半監(jiān)督學(xué)習(xí)算法及強(qiáng)化學(xué)習(xí)算法,如生成對(duì)抗網(wǎng)絡(luò)(Generative Adverse Network,GAN)[6],深度強(qiáng)化學(xué)習(xí)(Deep Reinforcement Learning, DRL)[7]和深度置信網(wǎng)絡(luò)(Deep Belief Network,DBN)[8]等。這些深度學(xué)習(xí)算法通過(guò)對(duì)輸入數(shù)據(jù)的處理和分析,不需要數(shù)據(jù)標(biāo)簽即可學(xué)習(xí)特征。

    深度學(xué)習(xí)強(qiáng)大的特征提取能力使得其在圖像處理、文本識(shí)別、人臉檢測(cè)、自動(dòng)駕駛等多個(gè)領(lǐng)域取得了重大的突破。

    2.2 ? 網(wǎng)絡(luò)安全檢測(cè)

    網(wǎng)絡(luò)安全檢測(cè)是一種主動(dòng)的網(wǎng)絡(luò)安全實(shí)時(shí)保護(hù)。它通過(guò)檢測(cè)網(wǎng)絡(luò)過(guò)程中的內(nèi)部和外部攻擊及失誤操作,能夠有效地彌補(bǔ)網(wǎng)絡(luò)防火墻的缺陷,對(duì)防火墻進(jìn)行高效地補(bǔ)充和提高。網(wǎng)絡(luò)安全檢測(cè)一般有異常檢測(cè)和誤用檢測(cè)兩種。異常檢測(cè)的檢測(cè)率偏低,但是不需要檢測(cè)的先驗(yàn)知識(shí),因此能夠檢測(cè)到突變的,以及未曾有過(guò)的入侵行為,是目前的主流研究方向;誤用檢測(cè)利用已有的入侵檢測(cè)行為,無(wú)法對(duì)突變的或者全新的攻擊行為進(jìn)行識(shí)別。

    網(wǎng)絡(luò)入侵檢測(cè)是一種常見(jiàn)的網(wǎng)絡(luò)安全檢測(cè)方法。網(wǎng)絡(luò)入侵檢測(cè)的目的在于能夠主動(dòng)防御從內(nèi)部或者網(wǎng)絡(luò)來(lái)的攻擊,通過(guò)相應(yīng)的手段來(lái)及時(shí)準(zhǔn)確的預(yù)測(cè)出會(huì)產(chǎn)生的入侵行為,并做出相應(yīng)的防御措施,從而減少安全工作人員的維護(hù)壓力并提高系統(tǒng)的安全防護(hù)能力。近年來(lái),很多研究人員對(duì)網(wǎng)絡(luò)安全檢測(cè)方法進(jìn)行了深入的學(xué)習(xí)和探索。Shone等人[9]利用非對(duì)稱(chēng)深度自動(dòng)編碼器對(duì)入侵檢測(cè)進(jìn)行建立深度學(xué)習(xí)分類(lèi)模型;錢(qián)亞冠等人[10]利用毒性攻擊,改變支持向量機(jī)(Support Vector Machine, SVM)機(jī)器學(xué)習(xí)過(guò)程,降低了對(duì)攻擊流量的識(shí)別率;潘建國(guó)等人[11]用支持向量機(jī)進(jìn)行預(yù)訓(xùn)練獲取入侵檢測(cè)判定規(guī)則并應(yīng)用于物聯(lián)網(wǎng)中每個(gè)節(jié)點(diǎn);石樂(lè)義等人[12]根據(jù)相關(guān)信息熵的算法進(jìn)行特征選擇,再利用深度學(xué)習(xí)方法學(xué)習(xí)數(shù)據(jù)特征;吳亞麗等人[13]利用稀疏降噪自編碼網(wǎng)絡(luò)自動(dòng)提取入侵?jǐn)?shù)據(jù)的最優(yōu)特征,提高了模型的魯棒性。

    3 ? 方法設(shè)計(jì)(Method design)

    本文提出一種非對(duì)稱(chēng)分解卷積的網(wǎng)絡(luò)安全檢測(cè)方法。在最近的入侵檢測(cè)領(lǐng)域中,傳統(tǒng)統(tǒng)計(jì)學(xué)習(xí)方法與機(jī)器學(xué)習(xí)方法相輔相成,包括馬爾科夫鏈、決策樹(shù)、決策森林、貝葉斯分類(lèi)及隱馬爾可夫等。但總體而言,需要計(jì)算的數(shù)據(jù)量龐大、實(shí)時(shí)性低,因此難以滿足網(wǎng)絡(luò)安全檢測(cè)的要求。本文提出的基于非對(duì)稱(chēng)分解卷積的網(wǎng)絡(luò)安全檢測(cè)方法,將不同形式的對(duì)稱(chēng)卷積因式分解為非對(duì)稱(chēng)結(jié)構(gòu)并應(yīng)用于網(wǎng)絡(luò)安全檢測(cè)。

    3.1 ? KDDCUP99數(shù)據(jù)集

    本文使用KDDCUP99數(shù)據(jù)集[5]作為訓(xùn)練和測(cè)試數(shù)據(jù)集。該數(shù)據(jù)集由大量的異常連接數(shù)據(jù)與正常連接數(shù)據(jù)構(gòu)成,是用于評(píng)估網(wǎng)絡(luò)安全檢測(cè)模型的一套標(biāo)準(zhǔn)數(shù)據(jù)集。很多入侵檢測(cè)的研究工作在此數(shù)據(jù)集進(jìn)行測(cè)試。

    KDDCUP99的訓(xùn)練集由不同的攻擊類(lèi)型與正常類(lèi)型構(gòu)成,測(cè)試集中包含17中未知攻擊。樣本共分為五大類(lèi),分別為:探測(cè)攻擊、拒絕服務(wù)攻擊、遠(yuǎn)程對(duì)本地攻擊、用戶對(duì)管理員攻擊和正常。KDDCUP99的每個(gè)樣本包括了41個(gè)固定特征屬性與一個(gè)類(lèi)標(biāo)識(shí)符。這些固定特征屬性里,32個(gè)特征屬性為連續(xù)的,9個(gè)特征屬性為離散類(lèi)型。例如其中的一條連接記錄如下:

    0, udp, http, sf, 289, 2478, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 6, 6, 0, 0, 0, 0, 1, 0, 0, 29, 255, 1, 0, 0.02, 0.03, 0, 0, 0, 0, normal

    該記錄加上最后的標(biāo)簽,共有42個(gè)特征屬性。其中第1—10位為基本特征,第11—22位為內(nèi)容特征,第23—41位為流量統(tǒng)計(jì)特征。

    3.2 ? 數(shù)據(jù)預(yù)處理

    原始的KDDCUP99數(shù)據(jù)集為異構(gòu)數(shù)據(jù)集,因而需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,以便于對(duì)攻擊類(lèi)型分類(lèi)。其中,對(duì)離散型和連續(xù)性數(shù)據(jù)進(jìn)行不同的處理方法與歸一化。離散的特征變量采用獨(dú)熱編碼(one-hot)處理,而英文單詞(如數(shù)據(jù)集的協(xié)議與服務(wù)類(lèi)型)的編碼則使用數(shù)值代替。協(xié)議類(lèi)型和編碼如表1所示。

    經(jīng)過(guò)處理后的數(shù)據(jù)集雖然已經(jīng)可以進(jìn)行訓(xùn)練,但為了加快模型的收斂速度與學(xué)習(xí)能力,需要減少樣本的數(shù)值之差。將樣本數(shù)據(jù)進(jìn)行歸一化,使樣本數(shù)據(jù)全部在[0,1]區(qū)間范圍內(nèi)。

    首先將特征數(shù)值進(jìn)行標(biāo)準(zhǔn)化。標(biāo)準(zhǔn)化公式為:

    (1)

    其中,n為原始特征值,n'為標(biāo)準(zhǔn)化后的特征值,AVG為特征值的平均值,STAD為平均絕對(duì)誤差。

    然后,對(duì)標(biāo)準(zhǔn)化后的數(shù)進(jìn)行歸一化處理,采用公式如下:

    (2)

    (3)

    (4)

    其中,n'為標(biāo)準(zhǔn)化之后的特征值。

    3.3 ? 模型結(jié)構(gòu)與分析

    基于非對(duì)稱(chēng)分解卷積的網(wǎng)絡(luò)安全檢測(cè)采用了非對(duì)稱(chēng)卷積模型架構(gòu)。本文將較大的對(duì)稱(chēng)卷積分解為多個(gè)小的非對(duì)稱(chēng)卷積,以提高訓(xùn)練精度與速度。使用非對(duì)稱(chēng)分解卷積的網(wǎng)絡(luò)安全檢測(cè)有三個(gè)優(yōu)點(diǎn):(1)通過(guò)非對(duì)稱(chēng)卷積,增加了網(wǎng)絡(luò)的非線性;(2)由于卷積被分解,由此可以降低過(guò)擬合的概率;(3)加速網(wǎng)絡(luò)計(jì)算。

    基于非對(duì)稱(chēng)分解卷積的網(wǎng)絡(luò)安全檢測(cè)方法如算法1所示。

    算法1基于非對(duì)稱(chēng)分解卷積的網(wǎng)絡(luò)安全檢測(cè) (Network Security Detection Based on Asymmetric Decomposed Convolution,ADC-NSD)

    輸入:KDDCUP99網(wǎng)絡(luò)連接數(shù)據(jù)D

    輸出:訓(xùn)練完成的網(wǎng)絡(luò)參數(shù)θ'

    1. 初始化:神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)θ初始化為隨機(jī)較小數(shù)值

    2. 初始化:抽樣的樣本數(shù)量minibatch為32

    3. Repeat(對(duì)每次神經(jīng)網(wǎng)絡(luò)值傳遞)

    4. 對(duì)非字符值數(shù)據(jù)進(jìn)行獨(dú)熱操作

    5. 將數(shù)據(jù)標(biāo)準(zhǔn)化

    6. 將數(shù)據(jù)進(jìn)行min-max歸一化

    7. 在數(shù)據(jù)集中抽取minibatch樣本數(shù)據(jù)S

    8. S輸入全對(duì)稱(chēng)卷積層并激活輸出S'

    9. S'輸入非對(duì)稱(chēng)分解卷積層并激活池化輸出S''

    10. S''輸入全連接層并輸出結(jié)果

    11. 以Adam梯度更新反向傳播

    12. 更新θ

    13. Until到達(dá)預(yù)期訓(xùn)練次數(shù)

    14. 返回訓(xùn)練完成后的網(wǎng)絡(luò)參數(shù)θ'

    卷積神經(jīng)網(wǎng)絡(luò)模型是由卷積、激活和池化等一系列的線性,以及非線性的變化模塊所構(gòu)成。數(shù)據(jù)集經(jīng)過(guò)數(shù)次的變換可以得到更為抽象的特征,從而提高泛化能力。從某些方面來(lái)說(shuō),模型深度越深,層次越多,特征的可辨別能力也隨之提高,從而性能也相應(yīng)變好。然而,一般比較大的空間濾波器的卷積在計(jì)算方面需要的成本極其昂貴,因此本文將全對(duì)稱(chēng)卷積進(jìn)行因式分解,將原本對(duì)稱(chēng)高維卷積分解為非對(duì)稱(chēng)低維度卷積,以節(jié)省內(nèi)存和計(jì)算量,從而快速提高網(wǎng)絡(luò)性能。本文3×3的卷積分解示意圖如圖1所示。

    通過(guò)將對(duì)稱(chēng)卷積進(jìn)行結(jié)構(gòu)拆分為非對(duì)稱(chēng)卷積,一方面可以節(jié)約大量參數(shù),另一方面也加快了運(yùn)算速度,從而能夠分析更多樣的空間特征并提高特征的多元化。具體的卷積神經(jīng)網(wǎng)絡(luò)示意圖如圖2所示。

    在圖2中,第一層卷積層為全對(duì)稱(chēng)卷積層,采用5×5的卷積核,步長(zhǎng)為2;第二層與第三層為分解卷積層,分別為1×3的卷積核與3×1的卷積核,最后全連接層輸出數(shù)據(jù)。該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)節(jié)約了訓(xùn)練成本,由于激活層的輸出是高度相關(guān)的,通過(guò)分解使其在聚合前能夠有效降維,從而加快了訓(xùn)練速度,提升了性能。

    4 ? 實(shí)驗(yàn)結(jié)果和分析(Experimental results and analysis)

    實(shí)驗(yàn)?zāi)P瓦x取0.0005為學(xué)習(xí)率,優(yōu)化算法為Adam。本文選取了傳統(tǒng)的統(tǒng)計(jì)學(xué)習(xí)方法與機(jī)器學(xué)習(xí)方法與本文模型(ADC-NSD)進(jìn)行對(duì)比,其中包括支持向量機(jī)(SVM)、決策樹(shù)(Decision Tree, DT)、K近鄰算法(K-Nearest Neighbor, KNN)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)。分別測(cè)試了不同方法的精確率、準(zhǔn)確率、召回率與F1值,如表2所示。

    從表2可以看得到不同的機(jī)器學(xué)習(xí)方法與本文的模型對(duì)于KDDCUP99數(shù)據(jù)集的訓(xùn)練效果。傳統(tǒng)的統(tǒng)計(jì)學(xué)習(xí)方法比如支持向量機(jī)、決策樹(shù)和K近鄰算法模型的測(cè)試數(shù)據(jù)比較低,然而神經(jīng)網(wǎng)絡(luò)算法能獲得比較好的效果。通過(guò)對(duì)比傳統(tǒng)深度卷積網(wǎng)絡(luò)和非對(duì)稱(chēng)分解卷積,可以看出非對(duì)稱(chēng)分解卷積可以取得比較好的實(shí)驗(yàn)效果。本文的非對(duì)稱(chēng)分解卷積在所有模型里表現(xiàn)最好,展現(xiàn)了本模型的可靠性和高效性。

    5 ? 結(jié)論(Conclusion)

    相比傳統(tǒng)的統(tǒng)計(jì)學(xué)習(xí)方法,深度卷積模型在處理網(wǎng)絡(luò)安全檢測(cè)過(guò)程中具有更獨(dú)特的優(yōu)勢(shì)。對(duì)于大規(guī)模數(shù)據(jù),深度卷積網(wǎng)絡(luò)能夠更精細(xì)地提取到數(shù)據(jù)特征。

    本文在深度卷積網(wǎng)絡(luò)的基礎(chǔ)上提出了非對(duì)稱(chēng)分解卷積,通過(guò)對(duì)完全對(duì)稱(chēng)卷積進(jìn)行分解為非對(duì)稱(chēng)卷積,快速地提高了網(wǎng)絡(luò)性能,對(duì)于空間特征處理的更加細(xì)膩,從而對(duì)大規(guī)模的網(wǎng)絡(luò)安全檢測(cè)數(shù)據(jù)的特征提取更加智能。最后,本文以KDDCUP99數(shù)據(jù)集為測(cè)試數(shù)據(jù),比較了多種機(jī)器學(xué)習(xí)方法。實(shí)驗(yàn)結(jié)果表明,本文提出的非對(duì)稱(chēng)分解卷積具有較好的安全檢測(cè)效果。

    參考文獻(xiàn)(References)

    [1] Ravi D, Wong C, Deligianni F, et al. Deep Learning for Health Informatics[J]. IEEE Journal of Biomedical and Health Informatics, 2017, 21(1):4-21.

    [2] Shvets A, Rakhlin A, Kalinin A, et al. Automatic Instrument Segmentation in Robot-Assisted Surgery using Deep Learning[C]. International Conference on Machine Learning and Applications, 2018: 624-628.

    [3] 圣文順,孫艷文.卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用[J].軟件工程,2019,22(2):13-16.

    [4] Klein G, Kim Y, Deng Y, et al. OpenNMT: Open-Source Toolkit for Neural Machine Translation[C]. Meeting of the Association for Computational Linguistics, 2017: 67-72.

    [5] 郭成華.基于KDDCUP99數(shù)據(jù)集的入侵檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用,2017(12):60-63.

    [6] Karras T, Laine S, Aila T, et al. A Style-based Generator Architecture for Generative Adversarial Networks[C]. Computer Vision and Pattern Recognition, 2019: 4401-4410.

    [7] 李廣創(chuàng),程良倫.基于深度強(qiáng)化學(xué)習(xí)的機(jī)械臂避障路徑規(guī)劃研究[J].軟件工程,2019,22(3):12-15.

    [8] 滿忠昂,劉紀(jì)敏,孫宗錕.基于局部二值模式與深度置信網(wǎng)絡(luò)的人臉識(shí)別[J].軟件工程,2020,23(5):13-16.

    [9] Tang A, Mhamdi L, Mclernon D, et al. Deep learning approach for Network Intrusion Detection in Software Defined Networking[C]. International Conference on Wireless Networks, 2016: 258-263.

    [10] 錢(qián)亞冠,盧紅波,紀(jì)守領(lǐng),等.一種針對(duì)基于SVM入侵檢測(cè)系統(tǒng)的毒性攻擊方法[J].電子學(xué)報(bào),2019,47(1):59-65.

    [11] 潘建國(guó),李豪.基于實(shí)用拜占庭容錯(cuò)的物聯(lián)網(wǎng)入侵檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用,2019,39(6):1742-1746.

    [12] 石樂(lè)義,朱紅強(qiáng),劉祎豪,等.基于相關(guān)信息熵和CNN-BiLSTM的工業(yè)控制系統(tǒng)入侵檢測(cè)[J].計(jì)算機(jī)研究與發(fā)展,2019,56(11):2330-2338.

    [13] 吳亞麗,李國(guó)婷,付玉龍,等.基于自適應(yīng)魯棒性的入侵檢測(cè)模型[J].控制與決策,2019(11):2330-2336.

    作者簡(jiǎn)介:

    馮仁君(1989-),男,碩士,工程師.研究領(lǐng)域:軟件智能化,軟件項(xiàng)目管理,信息安全.

    吳 ?吉(1981-),女,學(xué)士,工程師.研究領(lǐng)域:信息安全,計(jì)算機(jī)應(yīng)用.

    王震宇(1981-),男,碩士,工程師.研究領(lǐng)域:信息安全,計(jì)算機(jī)應(yīng)用.

    景棟盛(1981-),男,碩士,高級(jí)工程師.研究領(lǐng)域:信息安全,軟件智能化.

    猜你喜歡
    安全檢測(cè)卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)安全
    網(wǎng)絡(luò)安全
    網(wǎng)絡(luò)安全人才培養(yǎng)應(yīng)“實(shí)戰(zhàn)化”
    上網(wǎng)時(shí)如何注意網(wǎng)絡(luò)安全?
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別算法
    危險(xiǎn)場(chǎng)所開(kāi)展電氣防爆安全檢測(cè)
    農(nóng)產(chǎn)品質(zhì)量安全檢測(cè)監(jiān)管對(duì)策探討
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹(shù)葉識(shí)別的算法的研究
    大壩安全檢測(cè)技術(shù)標(biāo)準(zhǔn)化中的關(guān)鍵問(wèn)題
    国产精品久久电影中文字幕| 亚洲av电影不卡..在线观看| x7x7x7水蜜桃| 亚洲人成伊人成综合网2020| 亚洲av免费高清在线观看| 久久性视频一级片| 久久亚洲真实| 夜夜爽天天搞| 中亚洲国语对白在线视频| 国产精品 国内视频| 久久亚洲真实| 99国产精品一区二区蜜桃av| 国产精品 国内视频| 午夜老司机福利剧场| 成人无遮挡网站| 日韩欧美精品免费久久 | 成人午夜高清在线视频| 听说在线观看完整版免费高清| 九色成人免费人妻av| 午夜福利免费观看在线| 国产av不卡久久| 九色成人免费人妻av| or卡值多少钱| 偷拍熟女少妇极品色| 69人妻影院| 69av精品久久久久久| 国模一区二区三区四区视频| 禁无遮挡网站| bbb黄色大片| 国产97色在线日韩免费| 老司机福利观看| 精品久久久久久成人av| 久久久久精品国产欧美久久久| 国产高清videossex| 淫妇啪啪啪对白视频| 人妻丰满熟妇av一区二区三区| 美女被艹到高潮喷水动态| 久久久久久久久中文| 日韩国内少妇激情av| 国产精品98久久久久久宅男小说| av天堂中文字幕网| 在线观看免费视频日本深夜| 国产午夜福利久久久久久| 精品人妻偷拍中文字幕| 女人高潮潮喷娇喘18禁视频| 日韩 欧美 亚洲 中文字幕| 国产精品久久久久久精品电影| 宅男免费午夜| 成年女人永久免费观看视频| 日本a在线网址| 欧美xxxx黑人xx丫x性爽| 欧美乱妇无乱码| 在线观看日韩欧美| 国产97色在线日韩免费| 国产久久久一区二区三区| 国产色爽女视频免费观看| 看片在线看免费视频| 亚洲午夜理论影院| 久久精品国产亚洲av涩爱 | 久久精品国产亚洲av香蕉五月| 久久精品国产自在天天线| 久久精品国产自在天天线| 九九久久精品国产亚洲av麻豆| 午夜福利欧美成人| 久久精品国产亚洲av香蕉五月| 国产精品一及| 国产高清激情床上av| 久久久成人免费电影| 国产精品免费一区二区三区在线| 色吧在线观看| 国产国拍精品亚洲av在线观看 | 最近视频中文字幕2019在线8| 亚洲狠狠婷婷综合久久图片| 超碰av人人做人人爽久久 | 嫩草影院入口| 美女cb高潮喷水在线观看| 最近在线观看免费完整版| 久久久国产成人免费| 1024手机看黄色片| 99在线视频只有这里精品首页| 日韩高清综合在线| 男人的好看免费观看在线视频| 欧美乱妇无乱码| 真人一进一出gif抽搐免费| 精品一区二区三区视频在线 | 99热精品在线国产| 日日摸夜夜添夜夜添小说| 亚洲成av人片在线播放无| 国产精品99久久久久久久久| 99国产精品一区二区三区| 757午夜福利合集在线观看| 欧美性猛交黑人性爽| 欧美+亚洲+日韩+国产| 欧美一区二区精品小视频在线| 日韩欧美 国产精品| 一区二区三区激情视频| 在线观看66精品国产| 国产精品久久久久久久电影 | 亚洲国产欧美人成| 国产一区二区亚洲精品在线观看| 叶爱在线成人免费视频播放| 天美传媒精品一区二区| 岛国在线免费视频观看| 欧美zozozo另类| 两个人视频免费观看高清| 日日干狠狠操夜夜爽| 亚洲性夜色夜夜综合| 国产伦人伦偷精品视频| 欧美在线一区亚洲| 日韩高清综合在线| 久久午夜亚洲精品久久| 午夜老司机福利剧场| 一本一本综合久久| 非洲黑人性xxxx精品又粗又长| xxxwww97欧美| 日本在线视频免费播放| 国产色婷婷99| 久久人妻av系列| 天堂网av新在线| 国产精品亚洲美女久久久| 国产精品乱码一区二三区的特点| 麻豆成人av在线观看| 亚洲成人免费电影在线观看| 99国产极品粉嫩在线观看| 黄色女人牲交| 99国产综合亚洲精品| www.www免费av| 成年免费大片在线观看| 国产精品永久免费网站| 午夜视频国产福利| 国产精品1区2区在线观看.| 午夜福利高清视频| 日韩欧美一区二区三区在线观看| 九九热线精品视视频播放| 啪啪无遮挡十八禁网站| 国产成人av教育| www.熟女人妻精品国产| 在线国产一区二区在线| 欧美日韩综合久久久久久 | 国产黄色小视频在线观看| 亚洲最大成人手机在线| 一级黄片播放器| 黑人欧美特级aaaaaa片| 欧美日韩瑟瑟在线播放| 国产爱豆传媒在线观看| www.色视频.com| 乱人视频在线观看| 一个人看的www免费观看视频| 国产精品久久久久久久电影 | x7x7x7水蜜桃| 最新美女视频免费是黄的| 一个人看视频在线观看www免费 | 给我免费播放毛片高清在线观看| 免费在线观看成人毛片| 日韩欧美国产在线观看| 亚洲国产日韩欧美精品在线观看 | 欧美成人一区二区免费高清观看| 精品无人区乱码1区二区| 欧美大码av| 又黄又粗又硬又大视频| 每晚都被弄得嗷嗷叫到高潮| 一区福利在线观看| 国产精品自产拍在线观看55亚洲| 久久久久九九精品影院| 首页视频小说图片口味搜索| 国产精品电影一区二区三区| 老司机在亚洲福利影院| 此物有八面人人有两片| 亚洲av免费在线观看| 日韩欧美免费精品| 在线观看免费午夜福利视频| 国产aⅴ精品一区二区三区波| 亚洲无线观看免费| 国产高清视频在线播放一区| 他把我摸到了高潮在线观看| 香蕉丝袜av| 少妇人妻精品综合一区二区 | 在线视频色国产色| 亚洲精品粉嫩美女一区| 俺也久久电影网| 精品久久久久久成人av| 亚洲一区二区三区不卡视频| 精品电影一区二区在线| 欧美午夜高清在线| 两个人视频免费观看高清| 夜夜夜夜夜久久久久| 成年女人毛片免费观看观看9| 99久久99久久久精品蜜桃| 国产亚洲精品久久久久久毛片| 少妇人妻一区二区三区视频| 亚洲熟妇熟女久久| 日韩高清综合在线| 老司机福利观看| 国产亚洲精品av在线| 欧美一区二区精品小视频在线| 舔av片在线| 给我免费播放毛片高清在线观看| 欧美中文综合在线视频| 天堂av国产一区二区熟女人妻| 一区二区三区激情视频| 婷婷六月久久综合丁香| 亚洲av第一区精品v没综合| 精品无人区乱码1区二区| 久久久精品大字幕| 亚洲av五月六月丁香网| 一级a爱片免费观看的视频| 综合色av麻豆| 亚洲性夜色夜夜综合| 成人av在线播放网站| 99热这里只有是精品50| 国语自产精品视频在线第100页| 亚洲成人精品中文字幕电影| 欧美性猛交黑人性爽| 好男人在线观看高清免费视频| 国产av一区在线观看免费| www日本在线高清视频| 男女午夜视频在线观看| 国产一区二区三区在线臀色熟女| 国产真实乱freesex| 99热精品在线国产| 97碰自拍视频| 亚洲av成人av| 一进一出抽搐动态| 淫妇啪啪啪对白视频| 全区人妻精品视频| 香蕉av资源在线| 深爱激情五月婷婷| 午夜激情福利司机影院| 亚洲午夜理论影院| 久久精品夜夜夜夜夜久久蜜豆| 国产一区二区亚洲精品在线观看| 一本久久中文字幕| 日韩大尺度精品在线看网址| 精品午夜福利视频在线观看一区| 国产一区二区激情短视频| 亚洲人与动物交配视频| 在线观看舔阴道视频| 日本 av在线| 亚洲熟妇熟女久久| 最近在线观看免费完整版| 中文字幕久久专区| 人人妻人人澡欧美一区二区| 免费看美女性在线毛片视频| 国内久久婷婷六月综合欲色啪| 国产老妇女一区| 女生性感内裤真人,穿戴方法视频| av片东京热男人的天堂| 一级黄色大片毛片| 国产精品三级大全| 少妇的丰满在线观看| 99国产精品一区二区三区| 国产伦精品一区二区三区视频9 | 日日干狠狠操夜夜爽| 最近最新中文字幕大全电影3| 欧美一区二区精品小视频在线| 亚洲熟妇熟女久久| 欧美黄色淫秽网站| 成人特级黄色片久久久久久久| 久久久久久人人人人人| 午夜福利在线在线| 国产黄a三级三级三级人| 十八禁人妻一区二区| 精品久久久久久久久久免费视频| 亚洲一区二区三区色噜噜| 老汉色av国产亚洲站长工具| 日韩亚洲欧美综合| 亚洲国产日韩欧美精品在线观看 | 欧美乱妇无乱码| 欧美大码av| 人妻夜夜爽99麻豆av| 亚洲精品色激情综合| 免费观看的影片在线观看| 欧美中文综合在线视频| 亚洲一区二区三区不卡视频| 大型黄色视频在线免费观看| 99热只有精品国产| 夜夜爽天天搞| 久久精品国产99精品国产亚洲性色| 国产激情偷乱视频一区二区| 动漫黄色视频在线观看| 午夜福利欧美成人| 午夜福利免费观看在线| 美女cb高潮喷水在线观看| 亚洲avbb在线观看| 亚洲av成人精品一区久久| 中文亚洲av片在线观看爽| 国产精品久久久久久精品电影| 制服丝袜大香蕉在线| 日本撒尿小便嘘嘘汇集6| 久久精品国产亚洲av涩爱 | 老熟妇乱子伦视频在线观看| 男女床上黄色一级片免费看| 久久久久国内视频| 中文字幕久久专区| 神马国产精品三级电影在线观看| 午夜亚洲福利在线播放| 国内久久婷婷六月综合欲色啪| 国产黄片美女视频| 欧美bdsm另类| 亚洲黑人精品在线| 日韩欧美在线二视频| 在线十欧美十亚洲十日本专区| 免费看a级黄色片| 制服丝袜大香蕉在线| 女人被狂操c到高潮| 国产伦一二天堂av在线观看| 精品人妻1区二区| 成人高潮视频无遮挡免费网站| 午夜影院日韩av| 91在线精品国自产拍蜜月 | 91久久精品国产一区二区成人 | 琪琪午夜伦伦电影理论片6080| xxx96com| 99精品欧美一区二区三区四区| 久久久久精品国产欧美久久久| 中文字幕人成人乱码亚洲影| 首页视频小说图片口味搜索| 国产真实伦视频高清在线观看 | 国产精品精品国产色婷婷| av片东京热男人的天堂| 一个人看的www免费观看视频| 国产一区在线观看成人免费| 亚洲aⅴ乱码一区二区在线播放| 久久国产精品人妻蜜桃| 在线观看免费视频日本深夜| 国产91精品成人一区二区三区| 最后的刺客免费高清国语| 丰满人妻熟妇乱又伦精品不卡| 在线a可以看的网站| 国内揄拍国产精品人妻在线| 午夜免费激情av| 日韩大尺度精品在线看网址| 一区二区三区高清视频在线| 国产精品三级大全| 欧美一级毛片孕妇| 日本成人三级电影网站| www.999成人在线观看| 午夜精品久久久久久毛片777| 久久久久久久久中文| 午夜福利在线在线| 日韩av在线大香蕉| 欧美日韩国产亚洲二区| 乱人视频在线观看| 又黄又粗又硬又大视频| 91在线精品国自产拍蜜月 | 日韩欧美精品免费久久 | 欧美午夜高清在线| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 免费一级毛片在线播放高清视频| 国产一区二区激情短视频| 精品国内亚洲2022精品成人| 国产一区二区激情短视频| 精品国内亚洲2022精品成人| 久久精品综合一区二区三区| 18+在线观看网站| 午夜福利免费观看在线| 欧美乱码精品一区二区三区| 观看美女的网站| 国产精品99久久久久久久久| 免费观看人在逋| 又黄又粗又硬又大视频| 99国产精品一区二区蜜桃av| 国产毛片a区久久久久| 国产伦人伦偷精品视频| 国产精品99久久久久久久久| 欧美激情在线99| 日韩国内少妇激情av| 搡老妇女老女人老熟妇| 欧美日韩精品网址| 午夜福利在线观看吧| 三级男女做爰猛烈吃奶摸视频| 中国美女看黄片| 小说图片视频综合网站| 久久午夜亚洲精品久久| 中文字幕av成人在线电影| 黄色片一级片一级黄色片| 老熟妇仑乱视频hdxx| 日韩有码中文字幕| 日本五十路高清| 热99re8久久精品国产| 成人国产一区最新在线观看| 美女高潮的动态| 欧美av亚洲av综合av国产av| 亚洲久久久久久中文字幕| 国产高清激情床上av| 国产精品永久免费网站| 国产成年人精品一区二区| 日韩大尺度精品在线看网址| 午夜福利免费观看在线| 国产免费男女视频| 久久亚洲真实| 久久精品91蜜桃| 欧美色视频一区免费| 欧美一区二区精品小视频在线| 熟女人妻精品中文字幕| 日本五十路高清| 又爽又黄无遮挡网站| 欧美在线黄色| 亚洲久久久久久中文字幕| www.色视频.com| 观看免费一级毛片| 国产三级黄色录像| 欧美乱码精品一区二区三区| 女人十人毛片免费观看3o分钟| 国内精品一区二区在线观看| 日韩欧美精品免费久久 | 精华霜和精华液先用哪个| 成人av在线播放网站| av在线蜜桃| 18禁黄网站禁片午夜丰满| 国产精品影院久久| 亚洲欧美精品综合久久99| 波多野结衣高清无吗| 午夜免费激情av| 亚洲人成网站在线播放欧美日韩| 好男人在线观看高清免费视频| h日本视频在线播放| 免费看美女性在线毛片视频| 国产毛片a区久久久久| 亚洲精品影视一区二区三区av| 99视频精品全部免费 在线| tocl精华| 精品人妻1区二区| 免费看日本二区| 精华霜和精华液先用哪个| 欧洲精品卡2卡3卡4卡5卡区| 亚洲18禁久久av| 亚洲av中文字字幕乱码综合| 天美传媒精品一区二区| 又紧又爽又黄一区二区| 一级作爱视频免费观看| 中文字幕av成人在线电影| 1000部很黄的大片| 18禁裸乳无遮挡免费网站照片| 亚洲精品在线美女| 三级毛片av免费| 亚洲美女黄片视频| 久久伊人香网站| 男女床上黄色一级片免费看| 欧美高清成人免费视频www| 最近视频中文字幕2019在线8| 国产亚洲精品综合一区在线观看| 一夜夜www| 变态另类成人亚洲欧美熟女| 99精品久久久久人妻精品| 亚洲真实伦在线观看| 亚洲av不卡在线观看| 婷婷六月久久综合丁香| 看免费av毛片| 综合色av麻豆| 欧美不卡视频在线免费观看| 嫁个100分男人电影在线观看| 国产精品综合久久久久久久免费| 性欧美人与动物交配| avwww免费| 国产精品一区二区免费欧美| 久久久精品欧美日韩精品| 亚洲国产精品合色在线| 国产精华一区二区三区| 久久久久亚洲av毛片大全| 老司机福利观看| 18禁国产床啪视频网站| 中文字幕高清在线视频| 成人午夜高清在线视频| 国产极品精品免费视频能看的| 无人区码免费观看不卡| 啦啦啦免费观看视频1| 一本精品99久久精品77| 成人特级av手机在线观看| 国产免费男女视频| 国产成人影院久久av| 在线观看av片永久免费下载| 欧美成人免费av一区二区三区| 久久精品国产清高在天天线| 亚洲中文日韩欧美视频| 免费人成视频x8x8入口观看| 免费在线观看影片大全网站| 国产成人欧美在线观看| 国产亚洲精品一区二区www| 九色成人免费人妻av| 91在线观看av| 一区二区三区免费毛片| 国产乱人视频| 精品久久久久久成人av| 少妇的逼好多水| 欧美乱色亚洲激情| 18美女黄网站色大片免费观看| 日韩欧美 国产精品| 女人被狂操c到高潮| 久久久成人免费电影| 国产精品野战在线观看| 亚洲av第一区精品v没综合| 女同久久另类99精品国产91| 中文字幕精品亚洲无线码一区| 日韩 欧美 亚洲 中文字幕| 国产在线精品亚洲第一网站| 深爱激情五月婷婷| 少妇熟女aⅴ在线视频| 女人十人毛片免费观看3o分钟| 国内精品一区二区在线观看| 日本免费a在线| 国产成人啪精品午夜网站| 日韩成人在线观看一区二区三区| 少妇人妻精品综合一区二区 | 三级毛片av免费| 日韩人妻高清精品专区| 在线观看免费午夜福利视频| 12—13女人毛片做爰片一| 亚洲欧美日韩高清专用| 国产一级毛片七仙女欲春2| 午夜福利视频1000在线观看| 亚洲中文字幕日韩| 亚洲av免费高清在线观看| av在线蜜桃| 亚洲国产色片| 日韩免费av在线播放| 熟女人妻精品中文字幕| 亚洲 国产 在线| 国产成人av教育| 神马国产精品三级电影在线观看| 欧美色欧美亚洲另类二区| 国产午夜精品久久久久久一区二区三区 | 欧美日韩亚洲国产一区二区在线观看| 深夜精品福利| 国产探花极品一区二区| 国产精华一区二区三区| 日韩欧美精品v在线| 午夜久久久久精精品| 亚洲狠狠婷婷综合久久图片| 女同久久另类99精品国产91| 两人在一起打扑克的视频| 久久精品国产清高在天天线| 中文资源天堂在线| 黄片大片在线免费观看| 亚洲成人精品中文字幕电影| 精品一区二区三区av网在线观看| 偷拍熟女少妇极品色| 亚洲国产高清在线一区二区三| 最新在线观看一区二区三区| 亚洲av免费在线观看| 熟妇人妻久久中文字幕3abv| 一本一本综合久久| 亚洲精品成人久久久久久| 免费在线观看日本一区| 欧美激情在线99| 日本免费一区二区三区高清不卡| 日韩欧美在线二视频| 淫秽高清视频在线观看| 99视频精品全部免费 在线| av片东京热男人的天堂| 深夜精品福利| 成人高潮视频无遮挡免费网站| 麻豆成人午夜福利视频| 亚洲片人在线观看| 午夜免费男女啪啪视频观看 | 久久久久亚洲av毛片大全| 日本在线视频免费播放| 乱人视频在线观看| 亚洲精品在线美女| 亚洲欧美精品综合久久99| 有码 亚洲区| 婷婷亚洲欧美| 99热6这里只有精品| 国产精品一及| 国产探花极品一区二区| 在线观看日韩欧美| 99久久精品热视频| 久久久久免费精品人妻一区二区| 男人的好看免费观看在线视频| 国产真实伦视频高清在线观看 | 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 久久久久久久午夜电影| 国产午夜精品论理片| 99国产精品一区二区蜜桃av| 一级黄色大片毛片| 最近在线观看免费完整版| av天堂在线播放| 日韩欧美在线二视频| 国产一区二区三区在线臀色熟女| 亚洲国产高清在线一区二区三| 国产精品久久久久久久久免 | 天美传媒精品一区二区| 国产高潮美女av| 日本三级黄在线观看| 18禁在线播放成人免费| 999久久久精品免费观看国产| 色av中文字幕| or卡值多少钱| 精品一区二区三区视频在线观看免费| 色综合欧美亚洲国产小说| 亚洲av日韩精品久久久久久密| 精品不卡国产一区二区三区| 国产成人欧美在线观看| 亚洲国产欧美人成| 久久香蕉精品热| 婷婷丁香在线五月| 久久精品综合一区二区三区| 亚洲成人免费电影在线观看| 欧美黄色淫秽网站| 国产成人福利小说| 在线观看免费视频日本深夜| 欧美3d第一页| 女生性感内裤真人,穿戴方法视频| 757午夜福利合集在线观看| 午夜福利视频1000在线观看| 午夜免费成人在线视频| 国产 一区 欧美 日韩| 女人十人毛片免费观看3o分钟| 人人妻,人人澡人人爽秒播| 久久久久久久亚洲中文字幕 | 级片在线观看| а√天堂www在线а√下载| 日韩精品青青久久久久久| 天堂网av新在线| 午夜福利在线观看吧|