• <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
    亚洲欧美精品综合久久99| 欧美xxxx黑人xx丫x性爽| 少妇熟女aⅴ在线视频| 久久久精品大字幕| 久久久国产成人精品二区| 国产精品国产三级国产av玫瑰| 99久久久亚洲精品蜜臀av| 免费无遮挡裸体视频| 国产欧美日韩精品一区二区| 一级毛片我不卡| 一夜夜www| 国产黄a三级三级三级人| 亚洲综合色惰| 国产乱人视频| 亚洲欧美日韩东京热| 日本一本二区三区精品| 三级毛片av免费| 欧美成人a在线观看| 长腿黑丝高跟| 国产午夜精品久久久久久一区二区三区| 免费看光身美女| 级片在线观看| 麻豆乱淫一区二区| 好男人视频免费观看在线| 有码 亚洲区| 中文欧美无线码| 免费av不卡在线播放| 成人午夜精彩视频在线观看| 成人鲁丝片一二三区免费| 禁无遮挡网站| 成人漫画全彩无遮挡| 日韩欧美一区二区三区在线观看| 亚洲av中文av极速乱| 日韩,欧美,国产一区二区三区 | 99久久无色码亚洲精品果冻| 天堂√8在线中文| 美女大奶头视频| 黄色日韩在线| 天堂影院成人在线观看| 青春草国产在线视频 | av在线播放精品| 日本色播在线视频| 久久鲁丝午夜福利片| 又爽又黄a免费视频| 精品人妻熟女av久视频| а√天堂www在线а√下载| 久久精品国产自在天天线| 日本黄色视频三级网站网址| 老司机影院成人| 日韩强制内射视频| 亚洲乱码一区二区免费版| 一进一出抽搐gif免费好疼| 三级男女做爰猛烈吃奶摸视频| 国产成人一区二区在线| 少妇的逼水好多| 国产探花在线观看一区二区| 久久精品国产亚洲av天美| a级毛色黄片| 插阴视频在线观看视频| 国产精品女同一区二区软件| 日韩三级伦理在线观看| 成人三级黄色视频| 我的老师免费观看完整版| 亚洲色图av天堂| 少妇高潮的动态图| av专区在线播放| 麻豆精品久久久久久蜜桃| 久久国内精品自在自线图片| 一级毛片久久久久久久久女| 我要搜黄色片| 久久综合国产亚洲精品| 久久中文看片网| 99久久久亚洲精品蜜臀av| 在线播放无遮挡| 天堂影院成人在线观看| 国产在视频线在精品| 久久久久久久久久久丰满| 人妻久久中文字幕网| 中出人妻视频一区二区| 亚洲一区高清亚洲精品| 69人妻影院| 深夜精品福利| 国产单亲对白刺激| 在线观看午夜福利视频| 日日干狠狠操夜夜爽| 激情 狠狠 欧美| 欧美性猛交黑人性爽| АⅤ资源中文在线天堂| 人妻制服诱惑在线中文字幕| а√天堂www在线а√下载| 亚洲内射少妇av| 久久精品国产亚洲av香蕉五月| 亚洲美女视频黄频| 午夜a级毛片| 久久久久久伊人网av| 最新中文字幕久久久久| 在线观看免费视频日本深夜| 亚洲最大成人中文| 91精品国产九色| 一个人免费在线观看电影| 久久精品夜夜夜夜夜久久蜜豆| 国产午夜精品久久久久久一区二区三区| 亚洲乱码一区二区免费版| 免费av不卡在线播放| 免费看光身美女| 久久久久久久久中文| 一本精品99久久精品77| 免费在线观看成人毛片| 免费搜索国产男女视频| 嫩草影院精品99| 国产成人精品婷婷| 色综合亚洲欧美另类图片| 日本与韩国留学比较| 国产精品一区二区在线观看99 | 91av网一区二区| 欧美最黄视频在线播放免费| 成年av动漫网址| 久久久国产成人精品二区| 亚洲最大成人手机在线| 天天躁日日操中文字幕| 哪里可以看免费的av片| 国产精品av视频在线免费观看| 久久99精品国语久久久| 不卡一级毛片| 婷婷精品国产亚洲av| 在线播放无遮挡| av专区在线播放| 日本一本二区三区精品| 校园春色视频在线观看| 成人av在线播放网站| 卡戴珊不雅视频在线播放| 欧美一区二区国产精品久久精品| 爱豆传媒免费全集在线观看| 国产一区二区在线观看日韩| 国产亚洲精品av在线| 亚洲国产精品国产精品| 99精品在免费线老司机午夜| 欧美高清成人免费视频www| 联通29元200g的流量卡| 亚洲天堂国产精品一区在线| 久久午夜亚洲精品久久| 欧美激情在线99| 精品免费久久久久久久清纯| 精品午夜福利在线看| 欧美bdsm另类| av免费观看日本| av免费观看日本| 久久久午夜欧美精品| 欧美+亚洲+日韩+国产| 国产极品精品免费视频能看的| 国产午夜精品一二区理论片| 又黄又爽又刺激的免费视频.| 精品日产1卡2卡| 一本一本综合久久| 18禁裸乳无遮挡免费网站照片| or卡值多少钱| 成年女人永久免费观看视频| 国产精品一区二区三区四区久久| 亚洲精品国产成人久久av| 淫秽高清视频在线观看| АⅤ资源中文在线天堂| 美女黄网站色视频| АⅤ资源中文在线天堂| 变态另类丝袜制服| 国产一区二区亚洲精品在线观看| 青春草亚洲视频在线观看| 欧美精品国产亚洲| 国产精品.久久久| 午夜免费男女啪啪视频观看| 天堂av国产一区二区熟女人妻| 久久这里有精品视频免费| 1024手机看黄色片| 丰满人妻一区二区三区视频av| 91麻豆精品激情在线观看国产| 91久久精品电影网| 性色avwww在线观看| 五月玫瑰六月丁香| 日韩欧美一区二区三区在线观看| 亚洲精品乱码久久久久久按摩| 亚洲国产高清在线一区二区三| 亚洲色图av天堂| 一级黄色大片毛片| 国语自产精品视频在线第100页| 国产老妇女一区| 国产精品.久久久| 国内少妇人妻偷人精品xxx网站| 国产午夜福利久久久久久| 日韩av不卡免费在线播放| 久久久午夜欧美精品| 男的添女的下面高潮视频| 成人毛片60女人毛片免费| 日韩一本色道免费dvd| 男女下面进入的视频免费午夜| 亚洲av免费在线观看| 亚洲精品国产成人久久av| a级毛片a级免费在线| 最近视频中文字幕2019在线8| 激情 狠狠 欧美| 久久久精品94久久精品| 嫩草影院精品99| 久久6这里有精品| 春色校园在线视频观看| 国产黄色视频一区二区在线观看 | 亚洲国产欧美人成| а√天堂www在线а√下载| 一级毛片我不卡| 热99re8久久精品国产| 国产一级毛片在线| 一本精品99久久精品77| 国产成人一区二区在线| 国产成人freesex在线| 在线观看免费视频日本深夜| 中文欧美无线码| 国产私拍福利视频在线观看| 3wmmmm亚洲av在线观看| 99久久中文字幕三级久久日本| 五月玫瑰六月丁香| 亚洲国产精品成人综合色| 成人av在线播放网站| 久久九九热精品免费| 国产单亲对白刺激| 国产日韩欧美在线精品| 欧美高清成人免费视频www| 欧美最新免费一区二区三区| 人人妻人人澡欧美一区二区| 久久热精品热| 国产精品福利在线免费观看| 少妇丰满av| 精品久久国产蜜桃| 日韩成人av中文字幕在线观看| 人体艺术视频欧美日本| 国产午夜精品一二区理论片| 久久久久国产网址| 国产亚洲5aaaaa淫片| av免费在线看不卡| 亚洲av成人av| 久久6这里有精品| 最后的刺客免费高清国语| 99在线视频只有这里精品首页| 成人亚洲精品av一区二区| 久久久久性生活片| 特大巨黑吊av在线直播| 中文字幕免费在线视频6| 亚洲精华国产精华液的使用体验 | 26uuu在线亚洲综合色| 亚洲精品国产成人久久av| 色播亚洲综合网| 女人被狂操c到高潮| 国产色爽女视频免费观看| 看黄色毛片网站| 高清午夜精品一区二区三区 | 午夜老司机福利剧场| 亚洲av一区综合| 久久久久久国产a免费观看| 狂野欧美激情性xxxx在线观看| 狠狠狠狠99中文字幕| 成人无遮挡网站| 精品无人区乱码1区二区| 精品久久久久久成人av| 美女被艹到高潮喷水动态| 久久久欧美国产精品| 亚洲欧美成人精品一区二区| 亚洲国产高清在线一区二区三| 91狼人影院| 三级男女做爰猛烈吃奶摸视频| 午夜久久久久精精品| 亚洲,欧美,日韩| 国产亚洲5aaaaa淫片| 一边亲一边摸免费视频| 欧美成人一区二区免费高清观看| 人妻系列 视频| a级一级毛片免费在线观看| 日本-黄色视频高清免费观看| 美女大奶头视频| 亚洲最大成人av| 乱系列少妇在线播放| 国内久久婷婷六月综合欲色啪| 国内精品一区二区在线观看| 又粗又爽又猛毛片免费看| 99久久精品热视频| 又粗又硬又长又爽又黄的视频 | 美女xxoo啪啪120秒动态图| 国产成人a∨麻豆精品| av卡一久久| 精品无人区乱码1区二区| 免费在线观看成人毛片| 亚洲精品国产av成人精品| 干丝袜人妻中文字幕| 欧美高清性xxxxhd video| av福利片在线观看| 日韩欧美 国产精品| 亚洲av.av天堂| a级毛片a级免费在线| 国内精品宾馆在线| 在线播放国产精品三级| 国产亚洲精品av在线| 国产一级毛片七仙女欲春2| www.色视频.com| 久久久久久久午夜电影| 一本一本综合久久| 中文在线观看免费www的网站| 内射极品少妇av片p| 亚洲精品自拍成人| 97超视频在线观看视频| 一级毛片我不卡| 精品99又大又爽又粗少妇毛片| 观看免费一级毛片| h日本视频在线播放| 欧美bdsm另类| 色播亚洲综合网| 午夜福利成人在线免费观看| a级一级毛片免费在线观看| 日本免费一区二区三区高清不卡| 国产伦精品一区二区三区视频9| 偷拍熟女少妇极品色| 在线免费观看不下载黄p国产| 久久精品国产99精品国产亚洲性色| 免费av观看视频| 国产三级在线视频| 我要看日韩黄色一级片| 麻豆乱淫一区二区| 免费av观看视频| 免费看a级黄色片| 久久99精品国语久久久| 精品午夜福利在线看| 亚洲精品久久国产高清桃花| 久久久国产成人精品二区| 国产精品乱码一区二三区的特点| 三级国产精品欧美在线观看| 黄色一级大片看看| 久久99精品国语久久久| 欧美日韩乱码在线| 久久人人爽人人片av| 午夜视频国产福利| av福利片在线观看| 午夜福利高清视频| 国产一区亚洲一区在线观看| 精品免费久久久久久久清纯| 如何舔出高潮| av福利片在线观看| 九色成人免费人妻av| 国产成人a∨麻豆精品| 嘟嘟电影网在线观看| 99久久九九国产精品国产免费| 五月玫瑰六月丁香| 99热网站在线观看| av在线播放精品| 啦啦啦啦在线视频资源| 黄色欧美视频在线观看| 日本-黄色视频高清免费观看| 亚洲熟妇中文字幕五十中出| 男女视频在线观看网站免费| 亚洲一区高清亚洲精品| 国产成人a区在线观看| 国产成人freesex在线| 国产精品综合久久久久久久免费| 草草在线视频免费看| 卡戴珊不雅视频在线播放| 午夜福利成人在线免费观看| av福利片在线观看| 久久婷婷人人爽人人干人人爱| 亚洲七黄色美女视频| 婷婷色av中文字幕| 夫妻性生交免费视频一级片| 只有这里有精品99| 久久久久久久久大av| 18禁裸乳无遮挡免费网站照片| 一卡2卡三卡四卡精品乱码亚洲| 久久鲁丝午夜福利片| 秋霞在线观看毛片| 大又大粗又爽又黄少妇毛片口| 日产精品乱码卡一卡2卡三| 两个人视频免费观看高清| 日本三级黄在线观看| 亚洲国产高清在线一区二区三| 国产av不卡久久| 亚洲成人久久爱视频| 日韩欧美在线乱码| 国产精品一区二区三区四区免费观看| 亚洲av男天堂| 男人和女人高潮做爰伦理| 97超碰精品成人国产| 午夜福利在线在线| 免费观看人在逋| 99热这里只有精品一区| h日本视频在线播放| 美女黄网站色视频| 亚洲精品久久国产高清桃花| 亚洲天堂国产精品一区在线| 午夜福利高清视频| 一级毛片久久久久久久久女| 干丝袜人妻中文字幕| 伦精品一区二区三区| 欧美又色又爽又黄视频| 免费搜索国产男女视频| 成人综合一区亚洲| 国产精品福利在线免费观看| 69人妻影院| 老女人水多毛片| 日韩人妻高清精品专区| 亚洲最大成人av| 一卡2卡三卡四卡精品乱码亚洲| 夜夜看夜夜爽夜夜摸| 国产成人福利小说| 国产69精品久久久久777片| 小蜜桃在线观看免费完整版高清| 日日啪夜夜撸| 免费搜索国产男女视频| 免费观看精品视频网站| 亚洲国产精品sss在线观看| 亚洲五月天丁香| 午夜精品一区二区三区免费看| 日韩人妻高清精品专区| 中国国产av一级| 日本在线视频免费播放| 一个人看的www免费观看视频| 国产成年人精品一区二区| 日韩亚洲欧美综合| av在线亚洲专区| 男女下面进入的视频免费午夜| 毛片女人毛片| av专区在线播放| 亚洲欧美日韩无卡精品| 六月丁香七月| 国产色婷婷99| 日本五十路高清| 一夜夜www| 国产一级毛片在线| 国内精品一区二区在线观看| 在线观看一区二区三区| 久久久久九九精品影院| 国产成人a区在线观看| 日韩人妻高清精品专区| 激情 狠狠 欧美| 午夜激情福利司机影院| 少妇熟女aⅴ在线视频| 欧美+亚洲+日韩+国产| 一个人免费在线观看电影| 日本三级黄在线观看| 欧美日韩一区二区视频在线观看视频在线 | 国产亚洲精品av在线| 22中文网久久字幕| 99久久中文字幕三级久久日本| 日韩欧美精品免费久久| 天堂av国产一区二区熟女人妻| 成人国产麻豆网| 国产真实乱freesex| 国产精品乱码一区二三区的特点| 我的女老师完整版在线观看| 久久久国产成人免费| 久久精品国产亚洲av涩爱 | 亚洲四区av| 中文资源天堂在线| 精品一区二区免费观看| 国产麻豆成人av免费视频| 黄色配什么色好看| 五月玫瑰六月丁香| 麻豆乱淫一区二区| 国产熟女欧美一区二区| 亚洲最大成人av| 国产久久久一区二区三区| 九九在线视频观看精品| 哪里可以看免费的av片| 国产麻豆成人av免费视频| 97人妻精品一区二区三区麻豆| 麻豆久久精品国产亚洲av| 国产精品女同一区二区软件| 亚洲人成网站在线播| 国产精品一区二区性色av| 欧美在线一区亚洲| 啦啦啦韩国在线观看视频| 亚洲精品成人久久久久久| 一本久久精品| 97超碰精品成人国产| 美女国产视频在线观看| 国产美女午夜福利| 波野结衣二区三区在线| 国产精品爽爽va在线观看网站| 日本三级黄在线观看| 精品人妻偷拍中文字幕| 校园人妻丝袜中文字幕| 成人美女网站在线观看视频| 国产真实伦视频高清在线观看| 亚洲四区av| 夫妻性生交免费视频一级片| 亚洲av一区综合| 99热精品在线国产| 亚洲欧美日韩无卡精品| 人妻少妇偷人精品九色| 免费无遮挡裸体视频| 狂野欧美激情性xxxx在线观看| 一本精品99久久精品77| 只有这里有精品99| 久久久久九九精品影院| 亚洲无线观看免费| 中文精品一卡2卡3卡4更新| 老司机福利观看| 国产精品一区二区性色av| 成人午夜高清在线视频| 成人综合一区亚洲| 午夜a级毛片| 非洲黑人性xxxx精品又粗又长| 精品不卡国产一区二区三区| 亚洲av一区综合| 午夜视频国产福利| 菩萨蛮人人尽说江南好唐韦庄 | 日韩精品有码人妻一区| 精品无人区乱码1区二区| 在线天堂最新版资源| 欧美性感艳星| 99精品在免费线老司机午夜| 日韩精品有码人妻一区| 国产日本99.免费观看| 中文字幕av成人在线电影| 欧美成人a在线观看| 搞女人的毛片| 淫秽高清视频在线观看| 亚洲丝袜综合中文字幕| 美女黄网站色视频| 日本三级黄在线观看| 26uuu在线亚洲综合色| 夜夜夜夜夜久久久久| 波多野结衣高清无吗| 狂野欧美白嫩少妇大欣赏| 国产午夜福利久久久久久| 日本一二三区视频观看| 伦精品一区二区三区| 欧美性猛交黑人性爽| 精品国内亚洲2022精品成人| 最新中文字幕久久久久| 久久人人爽人人片av| 国产午夜福利久久久久久| 男女视频在线观看网站免费| 欧美激情国产日韩精品一区| 男女边吃奶边做爰视频| 级片在线观看| 26uuu在线亚洲综合色| 干丝袜人妻中文字幕| 99国产极品粉嫩在线观看| 午夜爱爱视频在线播放| 亚洲中文字幕一区二区三区有码在线看| 美女内射精品一级片tv| av天堂中文字幕网| 欧美成人a在线观看| 国产精品1区2区在线观看.| 欧美zozozo另类| 九草在线视频观看| 亚洲av一区综合| 18+在线观看网站| 国产成人福利小说| 99精品在免费线老司机午夜| 日韩三级伦理在线观看| 亚洲国产精品国产精品| www日本黄色视频网| 午夜爱爱视频在线播放| 高清午夜精品一区二区三区 | 久久这里有精品视频免费| 日韩欧美一区二区三区在线观看| a级毛色黄片| 亚洲乱码一区二区免费版| 好男人在线观看高清免费视频| 欧美区成人在线视频| 亚洲av熟女| 两性午夜刺激爽爽歪歪视频在线观看| 一级毛片久久久久久久久女| 国产午夜精品一二区理论片| АⅤ资源中文在线天堂| 老女人水多毛片| 亚洲欧美成人综合另类久久久 | 麻豆乱淫一区二区| 亚洲av中文av极速乱| 最近的中文字幕免费完整| av天堂在线播放| 久久久久网色| 国产爱豆传媒在线观看| 久久午夜亚洲精品久久| 身体一侧抽搐| 亚洲欧美清纯卡通| 黄色日韩在线| 亚洲精品国产av成人精品| 亚洲中文字幕一区二区三区有码在线看| 日韩亚洲欧美综合| av在线蜜桃| 国产人妻一区二区三区在| 国产高潮美女av| 99久国产av精品国产电影| 婷婷精品国产亚洲av| 国产精品久久视频播放| 精品不卡国产一区二区三区| 亚洲精品久久国产高清桃花| 在线观看66精品国产| 日韩欧美精品免费久久| 日本黄色视频三级网站网址| 国产精品久久视频播放| 久久久久久久久久久免费av| 六月丁香七月| 欧美最新免费一区二区三区| 久久韩国三级中文字幕| h日本视频在线播放| 日韩欧美精品免费久久| 国产精品一区二区在线观看99 | 在现免费观看毛片| 亚洲电影在线观看av| 禁无遮挡网站| 亚洲中文字幕日韩| 午夜福利视频1000在线观看| 国产成人精品久久久久久| 久久午夜亚洲精品久久| 亚洲一区二区三区色噜噜| 日韩亚洲欧美综合| 麻豆久久精品国产亚洲av| 午夜精品在线福利| 午夜福利在线观看免费完整高清在 | 老司机影院成人| 三级国产精品欧美在线观看|