论文研究 基于入侵检测系统的递归神经网络和深度神经网络

计算机安全已成为一项重大挑战。 已经开发了工具和机制来确保一定程度的合规性。 其中包括入侵检测系统（IDS）。 传统IDS的原理是检测企图攻击网络并识别异常活动和行为。 原因包括搜寻攻击类型的不确定性以及高级网络攻击的复杂性不断增加，IDS要求整合深度神经元网络（DNN）和递归神经元网络（RNN）等方法，术语记忆（LSTM）。 在此提交中，DNN和LSTM用于预测针对网络入侵检测系统（NIDS）的攻击。 在此内存中，我们为所有深度学习算法使用了四个隐藏层，41个输入层和2个输出层以及100次迭代。 实际上，在其他参数被优化的同时，学习保持恒定在0.01。 此后，对于DNN，第一个隐藏层的神经元