• <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
    不卡av一区二区三区| 我的亚洲天堂| 18禁黄网站禁片午夜丰满| 国产精品自产拍在线观看55亚洲| 成人特级黄色片久久久久久久| 女人爽到高潮嗷嗷叫在线视频| 久久人妻av系列| 国产成人一区二区三区免费视频网站| 成人免费观看视频高清| 午夜福利一区二区在线看| 午夜两性在线视频| 精品卡一卡二卡四卡免费| 亚洲avbb在线观看| 精品午夜福利视频在线观看一区| 精品无人区乱码1区二区| 久久精品人人爽人人爽视色| 日韩免费av在线播放| 一本大道久久a久久精品| 成熟少妇高潮喷水视频| 久久九九热精品免费| 十八禁网站免费在线| 久久久久亚洲av毛片大全| www日本在线高清视频| 亚洲国产精品久久男人天堂| 18禁裸乳无遮挡免费网站照片 | 男男h啪啪无遮挡| 级片在线观看| 国产精品美女特级片免费视频播放器 | 一本大道久久a久久精品| 国产亚洲精品综合一区在线观看 | 精品国产超薄肉色丝袜足j| 久久伊人香网站| 久久香蕉激情| 青草久久国产| 一边摸一边抽搐一进一小说| 国产真人三级小视频在线观看| 精品一区二区三区视频在线观看免费| 香蕉久久夜色| 中文字幕久久专区| 成年女人毛片免费观看观看9| 操出白浆在线播放| 可以在线观看的亚洲视频| 性色av乱码一区二区三区2| 欧美激情 高清一区二区三区| 国产精品久久久人人做人人爽| 亚洲电影在线观看av| 精品少妇一区二区三区视频日本电影| 成年版毛片免费区| 亚洲av五月六月丁香网| 久久青草综合色| 国产成人欧美在线观看| 最近最新免费中文字幕在线| 岛国视频午夜一区免费看| 亚洲伊人色综图| 亚洲欧美精品综合一区二区三区| 怎么达到女性高潮| 欧美一级毛片孕妇| tocl精华| 日日干狠狠操夜夜爽| 国产精品免费一区二区三区在线| 久久人人97超碰香蕉20202| 国产精品国产高清国产av| 淫妇啪啪啪对白视频| 精品日产1卡2卡| 国产精华一区二区三区| 母亲3免费完整高清在线观看| 一级片免费观看大全| 夜夜爽天天搞| 中亚洲国语对白在线视频| 麻豆av在线久日| 丝袜人妻中文字幕| 在线观看免费日韩欧美大片| 久久久久久大精品| 在线观看一区二区三区| 亚洲国产看品久久| 国产私拍福利视频在线观看| 日韩精品免费视频一区二区三区| 亚洲欧美激情在线| 国产免费男女视频| 又大又爽又粗| 日本免费a在线| 国产精品九九99| 久久久久久久午夜电影| 亚洲九九香蕉| videosex国产| 午夜福利免费观看在线| 香蕉丝袜av| 久久香蕉国产精品| 女生性感内裤真人,穿戴方法视频| 久热这里只有精品99| 国产xxxxx性猛交| 久久狼人影院| 欧美激情 高清一区二区三区| 丁香欧美五月| 每晚都被弄得嗷嗷叫到高潮| 亚洲av五月六月丁香网| 亚洲国产日韩欧美精品在线观看 | 婷婷精品国产亚洲av在线| 日本黄色视频三级网站网址| 两性午夜刺激爽爽歪歪视频在线观看 | 美女国产高潮福利片在线看| 看黄色毛片网站| 久久人人爽av亚洲精品天堂| 久久精品国产99精品国产亚洲性色 | 国产伦人伦偷精品视频| 19禁男女啪啪无遮挡网站| 国产私拍福利视频在线观看| 中文字幕人成人乱码亚洲影| 97碰自拍视频| 妹子高潮喷水视频| 亚洲欧美激情在线| 亚洲中文字幕一区二区三区有码在线看 | 色综合欧美亚洲国产小说| 精品久久久久久成人av| 久久人人爽av亚洲精品天堂| 久久久久久久久中文| 亚洲av五月六月丁香网| 看免费av毛片| 国产片内射在线| svipshipincom国产片| xxx96com| 色播在线永久视频| 亚洲自偷自拍图片 自拍| 丝袜美足系列| 成人精品一区二区免费| 久久久久久久久中文| 亚洲一区二区三区不卡视频| 女性被躁到高潮视频| 久久久久国产精品人妻aⅴ院| 少妇 在线观看| 欧美+亚洲+日韩+国产| 亚洲国产精品sss在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 婷婷六月久久综合丁香| www.999成人在线观看| 国产精品,欧美在线| 美女高潮喷水抽搐中文字幕| 国产精品九九99| 免费女性裸体啪啪无遮挡网站| 十八禁人妻一区二区| 日本免费a在线| 黄色视频,在线免费观看| 女性生殖器流出的白浆| 日韩三级视频一区二区三区| 精品乱码久久久久久99久播| 丰满的人妻完整版| 国产主播在线观看一区二区| 村上凉子中文字幕在线| 女人高潮潮喷娇喘18禁视频| 日韩免费av在线播放| 黑人巨大精品欧美一区二区蜜桃| 91字幕亚洲| 国产午夜福利久久久久久| 日韩中文字幕欧美一区二区| 乱人伦中国视频| 一区福利在线观看| 欧美午夜高清在线| 叶爱在线成人免费视频播放| 99riav亚洲国产免费| 亚洲色图 男人天堂 中文字幕| 亚洲成av人片免费观看| 嫁个100分男人电影在线观看| 别揉我奶头~嗯~啊~动态视频| 首页视频小说图片口味搜索| 国产麻豆69| 久久久国产成人免费| 亚洲一卡2卡3卡4卡5卡精品中文| 别揉我奶头~嗯~啊~动态视频| 女人被狂操c到高潮| 亚洲成a人片在线一区二区| 欧美丝袜亚洲另类 | 国产精品,欧美在线| 精品久久久久久,| 国产不卡一卡二| 99re在线观看精品视频| 99re在线观看精品视频| 国产精品久久久久久亚洲av鲁大| 久久人人97超碰香蕉20202| 天天一区二区日本电影三级 | 天堂动漫精品| 亚洲精品美女久久久久99蜜臀| 亚洲av成人av| 女性生殖器流出的白浆| 国产精品爽爽va在线观看网站 | 亚洲欧美激情在线| 精品国产亚洲在线| 欧美亚洲日本最大视频资源| 国产一级毛片七仙女欲春2 | 久久香蕉精品热| 成人特级黄色片久久久久久久| 久久久久久免费高清国产稀缺| 欧美亚洲日本最大视频资源| 日本免费一区二区三区高清不卡 | 十八禁人妻一区二区| 午夜精品在线福利| 18禁黄网站禁片午夜丰满| 欧美色欧美亚洲另类二区 | 日本免费一区二区三区高清不卡 | 亚洲免费av在线视频| 法律面前人人平等表现在哪些方面| 制服人妻中文乱码| 国产伦一二天堂av在线观看| 国产午夜福利久久久久久| 99re在线观看精品视频| 亚洲无线在线观看| 真人一进一出gif抽搐免费| www.精华液| 我的亚洲天堂| 精品久久久精品久久久| 搞女人的毛片| 久久精品91蜜桃| 亚洲成人精品中文字幕电影| 宅男免费午夜| 变态另类丝袜制服| 欧美日韩亚洲综合一区二区三区_| 母亲3免费完整高清在线观看| 成年人黄色毛片网站| 久久草成人影院| 50天的宝宝边吃奶边哭怎么回事| 99国产精品一区二区三区| 午夜视频精品福利| 国产91精品成人一区二区三区| 一个人免费在线观看的高清视频| 69av精品久久久久久| 禁无遮挡网站| 99久久综合精品五月天人人| 九色国产91popny在线| 91在线观看av| 一进一出抽搐gif免费好疼| 日韩欧美一区视频在线观看| 90打野战视频偷拍视频| 免费女性裸体啪啪无遮挡网站| 老鸭窝网址在线观看| 如日韩欧美国产精品一区二区三区| 国产精品美女特级片免费视频播放器 | 久久久国产欧美日韩av| 午夜a级毛片| 88av欧美| 极品教师在线免费播放| 亚洲av熟女| 国产av又大| 成熟少妇高潮喷水视频| 国产精品一区二区免费欧美| 日韩精品中文字幕看吧| 人人妻,人人澡人人爽秒播| 啦啦啦 在线观看视频| 午夜福利视频1000在线观看 | 精品久久久久久,| 亚洲人成77777在线视频| 人人妻人人澡人人看| 日本一区二区免费在线视频| 校园春色视频在线观看| 国产激情欧美一区二区| 国产亚洲av高清不卡| 在线观看一区二区三区| 欧美成人性av电影在线观看| 69精品国产乱码久久久| 亚洲av电影不卡..在线观看| 高清在线国产一区| netflix在线观看网站| 亚洲色图av天堂| 女人高潮潮喷娇喘18禁视频| 十八禁网站免费在线| 一级,二级,三级黄色视频| 欧美一级毛片孕妇| 久久精品亚洲精品国产色婷小说| 激情在线观看视频在线高清| 好男人电影高清在线观看| 99香蕉大伊视频| 在线播放国产精品三级| 真人做人爱边吃奶动态| 国产亚洲精品久久久久久毛片| 国产精品久久久人人做人人爽| 69av精品久久久久久| 精品久久蜜臀av无| 中文字幕av电影在线播放| 亚洲专区字幕在线| 99久久久亚洲精品蜜臀av| 最好的美女福利视频网| 精品一区二区三区视频在线观看免费| 97碰自拍视频| 国产精品久久久久久精品电影 | 国产精品乱码一区二三区的特点 | 久热这里只有精品99| 亚洲av日韩精品久久久久久密| av网站免费在线观看视频| 别揉我奶头~嗯~啊~动态视频| 成人三级做爰电影| 窝窝影院91人妻| 色婷婷久久久亚洲欧美| 国产精品综合久久久久久久免费 | 亚洲性夜色夜夜综合| 国产精品久久视频播放| 老司机午夜十八禁免费视频| 正在播放国产对白刺激| 国产成+人综合+亚洲专区| 亚洲精品国产区一区二| av在线播放免费不卡| 欧美日韩中文字幕国产精品一区二区三区 | 一二三四社区在线视频社区8| 满18在线观看网站| 午夜精品久久久久久毛片777| 老司机福利观看| 香蕉久久夜色| 神马国产精品三级电影在线观看 | 日本在线视频免费播放| 又紧又爽又黄一区二区| 国产av一区二区精品久久| 麻豆av在线久日| 亚洲国产精品久久男人天堂| 欧美日韩精品网址| 1024香蕉在线观看| a在线观看视频网站| 丰满人妻熟妇乱又伦精品不卡| 国产伦一二天堂av在线观看| 成人av一区二区三区在线看| 亚洲精品粉嫩美女一区| 99香蕉大伊视频| 91精品国产国语对白视频| 18禁观看日本| 日韩三级视频一区二区三区| 免费搜索国产男女视频| 国产成人欧美在线观看| 9191精品国产免费久久| 免费看a级黄色片| 香蕉丝袜av| 十分钟在线观看高清视频www| 真人做人爱边吃奶动态| 午夜免费成人在线视频| 国产av精品麻豆| 少妇的丰满在线观看| 咕卡用的链子| av天堂在线播放| 嫩草影院精品99| 99久久精品国产亚洲精品| 黄色a级毛片大全视频| 激情视频va一区二区三区| 亚洲第一青青草原| 好男人在线观看高清免费视频 | 国产精品久久电影中文字幕| 91九色精品人成在线观看| 麻豆久久精品国产亚洲av| 免费av毛片视频| 母亲3免费完整高清在线观看| 首页视频小说图片口味搜索| 成人精品一区二区免费| 久久婷婷成人综合色麻豆| 国产私拍福利视频在线观看| 免费人成视频x8x8入口观看| 欧美中文日本在线观看视频| 99久久99久久久精品蜜桃| 亚洲精品国产区一区二| 国产精品免费一区二区三区在线| 母亲3免费完整高清在线观看| 老司机午夜福利在线观看视频| 精品国产国语对白av| 亚洲全国av大片| 亚洲熟妇熟女久久| 禁无遮挡网站| 久久影院123| 亚洲电影在线观看av| 欧美激情 高清一区二区三区| 又大又爽又粗| 91老司机精品| 女人被躁到高潮嗷嗷叫费观| 久久中文字幕人妻熟女| 国产精品久久电影中文字幕| 动漫黄色视频在线观看| 女性生殖器流出的白浆| 国产精品亚洲av一区麻豆| 日韩精品中文字幕看吧| 宅男免费午夜| 欧美日韩福利视频一区二区| 久久久久久久久中文| 免费看a级黄色片| 少妇裸体淫交视频免费看高清 | 欧美日本视频| 欧美日本亚洲视频在线播放| 国产成人精品在线电影| 国产麻豆69| 欧美乱色亚洲激情| 久久人人97超碰香蕉20202| av有码第一页| 日日摸夜夜添夜夜添小说| 久久香蕉精品热| 女性生殖器流出的白浆| 可以免费在线观看a视频的电影网站| 亚洲专区国产一区二区| 国产精品,欧美在线| 国产精华一区二区三区| 日日爽夜夜爽网站| 亚洲 国产 在线| 久久亚洲真实| 中文字幕高清在线视频| av在线播放免费不卡| 少妇裸体淫交视频免费看高清 | 成人欧美大片| 亚洲精品一区av在线观看| 啪啪无遮挡十八禁网站| 久久影院123| 丝袜在线中文字幕| 啦啦啦 在线观看视频| 国产极品粉嫩免费观看在线| 啦啦啦韩国在线观看视频| 午夜精品国产一区二区电影| 亚洲av日韩精品久久久久久密| 久久久精品国产亚洲av高清涩受| 精品国产国语对白av| 日韩欧美国产一区二区入口| 久久久精品欧美日韩精品| 大码成人一级视频| 国产精品国产高清国产av| 亚洲成人国产一区在线观看| 别揉我奶头~嗯~啊~动态视频| 香蕉久久夜色| 国产一卡二卡三卡精品| 亚洲人成伊人成综合网2020| 一边摸一边抽搐一进一出视频| 免费在线观看完整版高清| 国产麻豆69| 九色亚洲精品在线播放| 国产成年人精品一区二区| 欧美一级毛片孕妇| 在线观看www视频免费| 精品久久久久久久毛片微露脸| 极品人妻少妇av视频| 国产精品免费视频内射| 国产一区二区激情短视频| 校园春色视频在线观看| 国产精品综合久久久久久久免费 | 在线观看免费日韩欧美大片| 国产精品电影一区二区三区| 91成人精品电影| 亚洲精华国产精华精| 人人澡人人妻人| 男女午夜视频在线观看| www.www免费av| 91在线观看av| 国产av一区二区精品久久| 午夜老司机福利片| 一级黄色大片毛片| 亚洲狠狠婷婷综合久久图片| 亚洲精品国产色婷婷电影| 伊人久久大香线蕉亚洲五| 日日干狠狠操夜夜爽| 夜夜躁狠狠躁天天躁| 涩涩av久久男人的天堂| 91国产中文字幕| 热re99久久国产66热| 国产主播在线观看一区二区| 亚洲av熟女| www.精华液| 国产成人欧美| av在线天堂中文字幕| 中文字幕色久视频| 美国免费a级毛片| 美女午夜性视频免费| 啪啪无遮挡十八禁网站| 我的亚洲天堂| 色在线成人网| 一级,二级,三级黄色视频| 国产精品电影一区二区三区| 精品久久久久久,| 日韩大码丰满熟妇| 日日夜夜操网爽| 免费少妇av软件| 久久九九热精品免费| 咕卡用的链子| 久久天堂一区二区三区四区| 99香蕉大伊视频| www日本在线高清视频| 欧美黄色片欧美黄色片| 日韩一卡2卡3卡4卡2021年| 欧美精品亚洲一区二区| 女生性感内裤真人,穿戴方法视频| 老司机午夜福利在线观看视频| 亚洲成人免费电影在线观看| or卡值多少钱| 午夜福利成人在线免费观看| 国产成人欧美| 满18在线观看网站| 欧美久久黑人一区二区| 一级a爱片免费观看的视频| 波多野结衣一区麻豆| 久久久久久久久中文| 亚洲专区中文字幕在线| 亚洲欧美一区二区三区黑人| 9色porny在线观看| 一区二区日韩欧美中文字幕| 国产亚洲欧美98| 999久久久国产精品视频| 黄片大片在线免费观看| 又黄又爽又免费观看的视频| 大陆偷拍与自拍| 欧美最黄视频在线播放免费| 宅男免费午夜| 日韩欧美在线二视频| 日韩欧美国产一区二区入口| 99riav亚洲国产免费| 亚洲午夜精品一区,二区,三区| 亚洲av电影在线进入| 国产精品电影一区二区三区| 一进一出好大好爽视频| 人妻久久中文字幕网| 精品人妻1区二区| tocl精华| 欧美不卡视频在线免费观看 | 国产单亲对白刺激| 少妇粗大呻吟视频| 一区二区三区精品91| 亚洲va日本ⅴa欧美va伊人久久| 日韩三级视频一区二区三区| 欧美中文综合在线视频| 无遮挡黄片免费观看| 国产麻豆69| 午夜精品国产一区二区电影| 国产精华一区二区三区| 97人妻天天添夜夜摸| 中文字幕另类日韩欧美亚洲嫩草| 精品国产一区二区久久| 亚洲精品在线美女| 一个人观看的视频www高清免费观看 | 亚洲国产看品久久| 亚洲成a人片在线一区二区| 久久久久久人人人人人| 黄片大片在线免费观看| 久久香蕉精品热| 免费看十八禁软件| 国产精品1区2区在线观看.| 1024视频免费在线观看| 成人国产综合亚洲| 男女下面插进去视频免费观看| 亚洲午夜理论影院| 国产午夜精品久久久久久| 国产精品永久免费网站| 国产精品98久久久久久宅男小说| 69av精品久久久久久| 9热在线视频观看99| 久久久久久久精品吃奶| 一边摸一边抽搐一进一出视频| 欧美激情高清一区二区三区| 色播在线永久视频| 日韩欧美免费精品| 亚洲午夜精品一区,二区,三区| 中国美女看黄片| 丝袜在线中文字幕| 国产国语露脸激情在线看| 涩涩av久久男人的天堂| 精品欧美一区二区三区在线| 国产在线观看jvid| 熟女少妇亚洲综合色aaa.| 他把我摸到了高潮在线观看| 制服人妻中文乱码| 99精品欧美一区二区三区四区| 亚洲色图综合在线观看| 亚洲熟妇中文字幕五十中出| 久久午夜综合久久蜜桃| 国产av一区二区精品久久| 亚洲av电影不卡..在线观看| 波多野结衣av一区二区av| 人人妻人人澡人人看| 国产精品综合久久久久久久免费 | 国产精品免费一区二区三区在线| 精品无人区乱码1区二区| 国产成人欧美| 久久午夜亚洲精品久久| 亚洲欧美激情在线| 免费女性裸体啪啪无遮挡网站| 成人18禁在线播放| 无遮挡黄片免费观看| 国产极品粉嫩免费观看在线| 欧美国产精品va在线观看不卡| 亚洲熟妇熟女久久| 高潮久久久久久久久久久不卡| 欧美老熟妇乱子伦牲交| 久久久久精品国产欧美久久久| av欧美777| 校园春色视频在线观看| 啦啦啦免费观看视频1| 91麻豆av在线| 啦啦啦免费观看视频1| 精品久久蜜臀av无| 成人三级黄色视频| 欧美中文日本在线观看视频| 亚洲成人精品中文字幕电影| 女人精品久久久久毛片| av天堂在线播放| 免费在线观看亚洲国产| 久久欧美精品欧美久久欧美| 三级毛片av免费| 嫩草影视91久久| 99久久国产精品久久久| 亚洲av成人不卡在线观看播放网| 日韩大码丰满熟妇| 亚洲精品一卡2卡三卡4卡5卡| 色播亚洲综合网| 777久久人妻少妇嫩草av网站| 啪啪无遮挡十八禁网站| 国产精品99久久99久久久不卡| 日韩大码丰满熟妇| 18禁观看日本| 少妇的丰满在线观看| 国产欧美日韩一区二区三| 精品国产乱子伦一区二区三区| 亚洲狠狠婷婷综合久久图片| 欧美激情久久久久久爽电影 | 久久香蕉精品热| 18禁黄网站禁片午夜丰满| 免费少妇av软件| 丰满人妻熟妇乱又伦精品不卡| 久久精品影院6| 中文字幕高清在线视频| 国内毛片毛片毛片毛片毛片| 777久久人妻少妇嫩草av网站| 国产色视频综合|