• <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
    女的被弄到高潮叫床怎么办| 少妇高潮的动态图| 97碰自拍视频| 成年女人永久免费观看视频| 亚洲成人久久爱视频| 精品日产1卡2卡| 赤兔流量卡办理| 国产视频一区二区在线看| 搡老岳熟女国产| 国产国拍精品亚洲av在线观看| 六月丁香七月| 精品日产1卡2卡| 日日摸夜夜添夜夜添av毛片| 91久久精品电影网| 99在线人妻在线中文字幕| 春色校园在线视频观看| 午夜久久久久精精品| 国产成人freesex在线 | 久久精品国产鲁丝片午夜精品| 成人永久免费在线观看视频| 日韩欧美精品v在线| 露出奶头的视频| 1024手机看黄色片| 免费人成在线观看视频色| av福利片在线观看| 久久99热这里只有精品18| 亚洲av熟女| 国产日本99.免费观看| 日韩一区二区视频免费看| 99视频精品全部免费 在线| 最新中文字幕久久久久| 男女视频在线观看网站免费| 欧美国产日韩亚洲一区| 波野结衣二区三区在线| 欧美bdsm另类| 精品久久久久久久末码| 精品久久久久久久久久久久久| 免费看光身美女| 91午夜精品亚洲一区二区三区| 久久精品国产清高在天天线| 男人的好看免费观看在线视频| 蜜桃亚洲精品一区二区三区| 伊人久久精品亚洲午夜| 3wmmmm亚洲av在线观看| 男女视频在线观看网站免费| 亚洲人成网站高清观看| 我的老师免费观看完整版| 高清日韩中文字幕在线| 国产精华一区二区三区| 联通29元200g的流量卡| 婷婷精品国产亚洲av在线| 国产av不卡久久| 禁无遮挡网站| 亚洲欧美日韩高清在线视频| 寂寞人妻少妇视频99o| 国产私拍福利视频在线观看| 男女边吃奶边做爰视频| 丰满乱子伦码专区| 中国美白少妇内射xxxbb| 真人做人爱边吃奶动态| 午夜免费男女啪啪视频观看 | www日本黄色视频网| 少妇丰满av| 99热只有精品国产| 变态另类丝袜制服| 激情 狠狠 欧美| 精品免费久久久久久久清纯| 一夜夜www| 久久国内精品自在自线图片| 男人和女人高潮做爰伦理| 亚洲成a人片在线一区二区| 亚洲av电影不卡..在线观看| 欧美最黄视频在线播放免费| 联通29元200g的流量卡| 男人的好看免费观看在线视频| av女优亚洲男人天堂| 在线看三级毛片| 国产精品永久免费网站| 国产精品人妻久久久久久| 国产伦一二天堂av在线观看| 变态另类成人亚洲欧美熟女| 日韩人妻高清精品专区| 美女大奶头视频| 亚洲av.av天堂| 免费看日本二区| 麻豆av噜噜一区二区三区| 99久国产av精品| 国产aⅴ精品一区二区三区波| 国产 一区 欧美 日韩| 久久久久久久亚洲中文字幕| 啦啦啦观看免费观看视频高清| 国产精品人妻久久久久久| 亚洲av五月六月丁香网| 22中文网久久字幕| 亚洲精品日韩av片在线观看| 一区福利在线观看| 国产精品免费一区二区三区在线| 久久人人爽人人爽人人片va| 精品免费久久久久久久清纯| 在线免费十八禁| 三级毛片av免费| 国产 一区 欧美 日韩| 日日摸夜夜添夜夜添av毛片| 亚洲欧美日韩东京热| 欧美日韩一区二区视频在线观看视频在线 | 午夜福利在线观看免费完整高清在 | 精品国内亚洲2022精品成人| 国内精品久久久久精免费| 97超碰精品成人国产| 国产成人一区二区在线| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲中文字幕一区二区三区有码在线看| 成人三级黄色视频| 婷婷六月久久综合丁香| 噜噜噜噜噜久久久久久91| 午夜免费激情av| 免费在线观看成人毛片| 国产av一区在线观看免费| 天堂av国产一区二区熟女人妻| 欧美一级a爱片免费观看看| 国产精品人妻久久久久久| 乱码一卡2卡4卡精品| 亚洲av不卡在线观看| 亚洲不卡免费看| 精品久久久久久久久久免费视频| 久久精品国产亚洲av涩爱 | 久久久精品大字幕| 国产亚洲精品av在线| 日韩欧美在线乱码| 内射极品少妇av片p| 少妇熟女aⅴ在线视频| 亚洲中文字幕日韩| 成人特级黄色片久久久久久久| 亚洲精品日韩av片在线观看| 国产一区二区激情短视频| 床上黄色一级片| 国产一区二区在线av高清观看| 乱人视频在线观看| 国产精品爽爽va在线观看网站| 天美传媒精品一区二区| а√天堂www在线а√下载| 欧美成人一区二区免费高清观看| 亚洲aⅴ乱码一区二区在线播放| 春色校园在线视频观看| 午夜爱爱视频在线播放| 国产精品久久久久久久久免| 成人欧美大片| 人妻制服诱惑在线中文字幕| 成年女人看的毛片在线观看| 精品人妻偷拍中文字幕| 久久欧美精品欧美久久欧美| 少妇被粗大猛烈的视频| 免费电影在线观看免费观看| 日韩欧美三级三区| 欧美性猛交黑人性爽| 成年女人永久免费观看视频| 一夜夜www| 99国产精品一区二区蜜桃av| 韩国av在线不卡| 欧美中文日本在线观看视频| 精品久久久久久久久久免费视频| 亚洲av中文字字幕乱码综合| 看免费成人av毛片| 黄色日韩在线| 国产真实伦视频高清在线观看| 国产高清视频在线观看网站| 欧美性猛交╳xxx乱大交人| 成人午夜高清在线视频| 久久久久国内视频| 乱系列少妇在线播放| 女人被狂操c到高潮| 老师上课跳d突然被开到最大视频| 一级毛片aaaaaa免费看小| 亚洲经典国产精华液单| 日本五十路高清| 亚洲av.av天堂| 搡老妇女老女人老熟妇| 精品久久久久久久末码| 国产69精品久久久久777片| 亚洲国产精品国产精品| 日韩国内少妇激情av| 12—13女人毛片做爰片一| 五月伊人婷婷丁香| 变态另类丝袜制服| 国产精品久久视频播放| av女优亚洲男人天堂| 一本精品99久久精品77| 精品福利观看| 人妻少妇偷人精品九色| 久久精品夜色国产| 国产精品久久久久久久久免| 午夜精品一区二区三区免费看| 免费看光身美女| 午夜福利在线在线| 99热只有精品国产| 国产精品女同一区二区软件| 国产麻豆成人av免费视频| 日本三级黄在线观看| 欧美激情国产日韩精品一区| 免费观看人在逋| 高清午夜精品一区二区三区 | 免费av不卡在线播放| 99久久九九国产精品国产免费| 日本免费一区二区三区高清不卡| 亚洲综合色惰| 一个人免费在线观看电影| 熟女人妻精品中文字幕| 尤物成人国产欧美一区二区三区| 成人高潮视频无遮挡免费网站| 亚洲美女黄片视频| 最近视频中文字幕2019在线8| 女生性感内裤真人,穿戴方法视频| 夜夜看夜夜爽夜夜摸| 欧美bdsm另类| 天堂√8在线中文| videossex国产| 九九爱精品视频在线观看| 国产亚洲精品av在线| 91久久精品电影网| 精品乱码久久久久久99久播| 成人无遮挡网站| 高清毛片免费看| 亚洲中文日韩欧美视频| 亚洲av二区三区四区| 人人妻,人人澡人人爽秒播| 我的女老师完整版在线观看| 亚洲精品久久国产高清桃花| 久久久久久久久久久丰满| 久久久久久久久中文| 中文亚洲av片在线观看爽| 色噜噜av男人的天堂激情| 深爱激情五月婷婷| 国产精品美女特级片免费视频播放器| 十八禁国产超污无遮挡网站| 天天一区二区日本电影三级| 九九在线视频观看精品| 深夜a级毛片| АⅤ资源中文在线天堂| 国产亚洲av嫩草精品影院| 内地一区二区视频在线| 国产探花极品一区二区| 91av网一区二区| 成人午夜高清在线视频| 老司机午夜福利在线观看视频| 国产大屁股一区二区在线视频| 国产精品野战在线观看| 插逼视频在线观看| 日产精品乱码卡一卡2卡三| 热99在线观看视频| 天美传媒精品一区二区| 狂野欧美白嫩少妇大欣赏| 亚洲欧美精品综合久久99| 少妇的逼水好多| 国产亚洲精品久久久久久毛片| 男女啪啪激烈高潮av片| 黑人高潮一二区| 免费观看人在逋| 精品无人区乱码1区二区| 青春草视频在线免费观看| 亚洲精品一卡2卡三卡4卡5卡| 国产午夜精品久久久久久一区二区三区 | 国产白丝娇喘喷水9色精品| 国产女主播在线喷水免费视频网站 | 国产视频内射| 免费观看精品视频网站| 精品一区二区三区人妻视频| 精品午夜福利在线看| 亚洲欧美日韩卡通动漫| 国产亚洲av嫩草精品影院| 精品人妻一区二区三区麻豆 | 国产精品1区2区在线观看.| 少妇人妻一区二区三区视频| 我要看日韩黄色一级片| 国产精品嫩草影院av在线观看| 免费观看精品视频网站| 国产成人精品久久久久久| 五月玫瑰六月丁香| 日本一二三区视频观看| 99久国产av精品| 欧美+日韩+精品| 此物有八面人人有两片| 国产精品av视频在线免费观看| 久久韩国三级中文字幕| 亚洲图色成人| 插逼视频在线观看| 亚洲精品粉嫩美女一区| 99热6这里只有精品| 精品一区二区三区av网在线观看| 精品福利观看| 亚洲欧美日韩无卡精品| 一级毛片电影观看 | 国产高清三级在线| 熟妇人妻久久中文字幕3abv| av在线观看视频网站免费| 国产成年人精品一区二区| 长腿黑丝高跟| 亚洲欧美中文字幕日韩二区| 亚洲一区高清亚洲精品| 日韩,欧美,国产一区二区三区 | 国产人妻一区二区三区在| 欧美极品一区二区三区四区| 免费一级毛片在线播放高清视频| 日韩欧美在线乱码| 精品一区二区三区视频在线观看免费| 精品久久久久久久久亚洲| 69人妻影院| 高清毛片免费看| 在线观看免费视频日本深夜| 国产高清激情床上av| 高清毛片免费观看视频网站| 国产精品久久电影中文字幕| 日本熟妇午夜| 在线观看av片永久免费下载| 免费av毛片视频| 在线免费十八禁| 亚洲图色成人| 成年版毛片免费区| 丰满的人妻完整版| 人妻少妇偷人精品九色| 国产精品人妻久久久久久| 美女免费视频网站| 在线免费观看不下载黄p国产| 免费观看在线日韩| 午夜福利视频1000在线观看| 三级男女做爰猛烈吃奶摸视频| 亚洲七黄色美女视频| 成人一区二区视频在线观看| avwww免费| 俺也久久电影网| 最近最新中文字幕大全电影3| 人妻制服诱惑在线中文字幕| www日本黄色视频网| 国产黄色小视频在线观看| 午夜激情欧美在线| 国产激情偷乱视频一区二区| 人妻夜夜爽99麻豆av| 亚洲国产欧洲综合997久久,| 午夜福利视频1000在线观看| 欧美一级a爱片免费观看看| 成人av一区二区三区在线看| 国产精品精品国产色婷婷| 精品午夜福利视频在线观看一区| 日本成人三级电影网站| 日本精品一区二区三区蜜桃| 俺也久久电影网| 精品久久久久久久久久免费视频| 亚洲中文字幕一区二区三区有码在线看| 男女下面进入的视频免费午夜| 一级毛片我不卡| 中文字幕久久专区| 久久精品人妻少妇| 免费看美女性在线毛片视频| 中出人妻视频一区二区| 两性午夜刺激爽爽歪歪视频在线观看| 日韩精品有码人妻一区| 国产欧美日韩一区二区精品| 免费人成在线观看视频色| 日韩人妻高清精品专区| 欧美性猛交黑人性爽| 性欧美人与动物交配| 日韩成人伦理影院| 美女大奶头视频| 午夜亚洲福利在线播放| 人妻久久中文字幕网| 亚洲欧美精品自产自拍| 激情 狠狠 欧美| 国产亚洲欧美98| 变态另类成人亚洲欧美熟女| 99热只有精品国产| 国产欧美日韩一区二区精品| 成人精品一区二区免费| 午夜福利在线观看免费完整高清在 | 如何舔出高潮| 亚洲av二区三区四区| 国产成人91sexporn| 熟女人妻精品中文字幕| 91在线观看av| 一区福利在线观看| 午夜精品在线福利| 国产色爽女视频免费观看| 两个人的视频大全免费| 国产精品女同一区二区软件| 直男gayav资源| 成年版毛片免费区| www.色视频.com| 给我免费播放毛片高清在线观看| 国产精品亚洲美女久久久| 日韩三级伦理在线观看| 免费看av在线观看网站| 亚洲色图av天堂| 日日撸夜夜添| videossex国产| av专区在线播放| 国产三级中文精品| 亚洲欧美日韩卡通动漫| 亚洲天堂国产精品一区在线| 小说图片视频综合网站| 久久久久久久午夜电影| 久久草成人影院| 国产高清视频在线播放一区| 18禁在线无遮挡免费观看视频 | 国产黄a三级三级三级人| 久久精品国产鲁丝片午夜精品| 久久精品人妻少妇| 一级黄片播放器| 日日啪夜夜撸| 亚洲一区高清亚洲精品| 欧美日韩一区二区视频在线观看视频在线 | 欧美一区二区亚洲| 99久国产av精品| 中文亚洲av片在线观看爽| 成年女人永久免费观看视频| 亚洲欧美精品综合久久99| 在线天堂最新版资源| 变态另类丝袜制服| 国产视频内射| 日韩精品中文字幕看吧| 国产一区二区激情短视频| 99热全是精品| 国产精品一区二区三区四区免费观看 | 哪里可以看免费的av片| 可以在线观看的亚洲视频| av在线亚洲专区| 国产伦精品一区二区三区视频9| 日韩亚洲欧美综合| 欧美日韩国产亚洲二区| 亚洲18禁久久av| 老司机影院成人| 国产成人一区二区在线| 久久婷婷人人爽人人干人人爱| 中文字幕精品亚洲无线码一区| 免费av不卡在线播放| 91久久精品国产一区二区三区| 成年av动漫网址| 午夜福利18| 免费观看的影片在线观看| 18+在线观看网站| 日韩制服骚丝袜av| 亚洲四区av| 看免费成人av毛片| 十八禁网站免费在线| 最后的刺客免费高清国语| 性欧美人与动物交配| 国产毛片a区久久久久| 日本与韩国留学比较| 少妇猛男粗大的猛烈进出视频 | 日本欧美国产在线视频| 免费看光身美女| 国国产精品蜜臀av免费| 国产综合懂色| 亚洲av中文av极速乱| 99riav亚洲国产免费| 看黄色毛片网站| 一进一出好大好爽视频| 麻豆精品久久久久久蜜桃| 日本黄大片高清| 少妇裸体淫交视频免费看高清| 日韩一区二区视频免费看| 国产伦精品一区二区三区视频9| 国产美女午夜福利| 成年版毛片免费区| 国产一区二区亚洲精品在线观看| 一级黄片播放器| 亚洲最大成人中文| 最新中文字幕久久久久| 欧美成人a在线观看| 日韩亚洲欧美综合| 亚洲最大成人中文| 嫩草影院精品99| 91精品国产九色| 三级男女做爰猛烈吃奶摸视频| 亚洲内射少妇av| 国产精品一区www在线观看| 日韩精品中文字幕看吧| 床上黄色一级片| 久久99热6这里只有精品| 精品一区二区三区人妻视频| 亚洲性夜色夜夜综合| 国产探花在线观看一区二区| 精品不卡国产一区二区三区| 欧美精品国产亚洲| 国产乱人偷精品视频| 神马国产精品三级电影在线观看| 一区二区三区免费毛片| 波多野结衣巨乳人妻| 久久精品国产清高在天天线| 国产片特级美女逼逼视频| 日本成人三级电影网站| 亚洲七黄色美女视频| 国语自产精品视频在线第100页| 亚洲国产欧洲综合997久久,| 搡老熟女国产l中国老女人| 免费人成视频x8x8入口观看| 又黄又爽又免费观看的视频| 高清毛片免费观看视频网站| 91午夜精品亚洲一区二区三区| 久久99热6这里只有精品| 精品福利观看| 亚洲五月天丁香| 欧美绝顶高潮抽搐喷水| 日日干狠狠操夜夜爽| 亚洲无线观看免费| 插阴视频在线观看视频| 国产精品久久久久久久电影| 美女 人体艺术 gogo| 自拍偷自拍亚洲精品老妇| 亚洲18禁久久av| 欧美色欧美亚洲另类二区| 99久久精品热视频| 成人综合一区亚洲| 国产一区二区亚洲精品在线观看| 久久精品国产亚洲av涩爱 | 国产一区二区三区在线臀色熟女| 白带黄色成豆腐渣| 欧美xxxx黑人xx丫x性爽| 午夜福利在线观看免费完整高清在 | av在线播放精品| 午夜免费男女啪啪视频观看 | av天堂中文字幕网| 男女之事视频高清在线观看| 夜夜看夜夜爽夜夜摸| 国产麻豆成人av免费视频| 成人av一区二区三区在线看| 国产v大片淫在线免费观看| 久久久久久久久大av| 尤物成人国产欧美一区二区三区| 久久久精品94久久精品| 又黄又爽又免费观看的视频| 国产三级在线视频| 99久久成人亚洲精品观看| 日韩三级伦理在线观看| 欧美绝顶高潮抽搐喷水| 最后的刺客免费高清国语| 精品熟女少妇av免费看| 美女高潮的动态| av免费在线看不卡| 乱码一卡2卡4卡精品| 女生性感内裤真人,穿戴方法视频| 日韩精品中文字幕看吧| 亚洲av第一区精品v没综合| av.在线天堂| 桃色一区二区三区在线观看| 亚洲欧美日韩无卡精品| 国产综合懂色| 美女xxoo啪啪120秒动态图| 看黄色毛片网站| 超碰av人人做人人爽久久| 欧美+日韩+精品| 久久人人爽人人爽人人片va| 晚上一个人看的免费电影| 免费在线观看影片大全网站| 一本久久中文字幕| 一个人看视频在线观看www免费| 日韩成人av中文字幕在线观看 | 自拍偷自拍亚洲精品老妇| 国产亚洲欧美98| 三级经典国产精品| 69av精品久久久久久| 麻豆一二三区av精品| 综合色av麻豆| 亚洲精品乱码久久久v下载方式| 最好的美女福利视频网| 免费在线观看成人毛片| 我的老师免费观看完整版| 免费看av在线观看网站| 精品国产三级普通话版| av在线老鸭窝| 免费电影在线观看免费观看| 天堂网av新在线| 综合色丁香网| 国产成人freesex在线 | 久久久久久久久久久丰满| 1000部很黄的大片| 成人性生交大片免费视频hd| 日韩欧美 国产精品| 午夜福利在线观看吧| 成人亚洲欧美一区二区av| 亚洲欧美日韩卡通动漫| 波野结衣二区三区在线| 最后的刺客免费高清国语| av在线亚洲专区| 少妇裸体淫交视频免费看高清| 99精品在免费线老司机午夜| 成年女人永久免费观看视频| 亚洲中文日韩欧美视频| 色吧在线观看| 精品久久久久久久久久免费视频| 精品一区二区三区人妻视频| 亚洲欧美日韩高清专用| 国产一级毛片七仙女欲春2| 久久午夜福利片| 一级黄色大片毛片| 午夜老司机福利剧场| 黄色日韩在线| 国产亚洲av嫩草精品影院| 亚洲成人久久性| 两个人视频免费观看高清| 亚洲av五月六月丁香网| 69人妻影院| 成人亚洲欧美一区二区av| 一本一本综合久久| 免费观看在线日韩| 精品人妻熟女av久视频| 免费在线观看影片大全网站| 欧美色欧美亚洲另类二区| 久久精品久久久久久噜噜老黄 | 欧美+亚洲+日韩+国产| av视频在线观看入口| 亚洲av二区三区四区| 日本欧美国产在线视频| 欧美日韩综合久久久久久| videossex国产| 亚洲经典国产精华液单| 久久久久国内视频| 一区二区三区高清视频在线|