检索结果-南通市图书馆

基于CNN-BiBASRU-AT的网络异常流量检测模型

在线全文

学校读者我要写书评

暂无评论

微电子学与计算机 2024年第1期41卷 93-99页

作者：冷依凌邹细勇中国计量大学光学与电子科技学院浙江杭州310018

针对目前网络异常流量识别准确率不高、基础深度学习模型特征提取能力不足以及循环神经网络训练效率低等问题,提出了基于卷积神经网络(Convolutional Neural Network,CNN)-双向内置注意力简单循环单元(Bidirectional Built in Attention... 详细信息

针对目前网络异常流量识别准确率不高、基础深度学习模型特征提取能力不足以及循环神经网络训练效率低等问题,提出了基于卷积神经网络(Convolutional Neural Network,CNN)-双向内置注意力简单循环单元(Bidirectional Built in Attention Simple Recurrent Unit,BiBASRU)-AT的网络异常流量检测模型。采用深层一维卷积模块提取流量局部特征表示,对高维度流量特征进行降维且学习到显著分类特征,增强模型的特征表示能力;同时构建内置自注意力简单循环单元(Built in self Attention Simple Recurrent Unit,BASRU)以同时捕捉流量中长距离的时序特征信息和内部特征之间的相互依赖关系,进一步挖掘流量特征内的高维结构信息。软注意力机制识别出对分类结果影响较大的重点特征,赋予关键特征更高权重,避免无关信息对分类结果造成干扰,最后由线性层输出分类概率分布,经Softmax函数归一化后取最大值对应标签作为流量识别结果。在多分类网络异常流量公开标准数据集UNSW-NB15上的实验结果表明,该模型取得了92.81%的F1值,高于实验对比的其他先进深度学习模型的结果,内置自注意力简单循环单元特征捕捉能力和训练效率优于其他传统循环神经网络的结果,证明了模型的可行性和有效性。

关键词：网络异常流量检测一维卷积内置自注意力双向简单循环单元软注意力机制

基于混合特征网络的学生评教文本情感分析模型

在线全文

学校读者我要写书评

暂无评论

计算机工程 2023年第11期49卷 24-29,39页

作者：吴奇林党亚固熊山威吉旭毕可鑫四川大学化学工程学院成都610041

以学生评教文本情感分析任务作为切入点,针对传统基础深度学习模型特征提取能力不足、循环神经网络训练效率较低以及词向量语义表示不准确等问题,提出基于混合特征网络的学生评教文本情感分类算法。采用轻量级ALBERT预训练模型提取符合... 详细信息

以学生评教文本情感分析任务作为切入点,针对传统基础深度学习模型特征提取能力不足、循环神经网络训练效率较低以及词向量语义表示不准确等问题,提出基于混合特征网络的学生评教文本情感分类算法。采用轻量级ALBERT预训练模型提取符合当前上下文语境的每个词的动态向量表示,解决传统词向量模型存在的一词多义问题,增强向量语义表示的准确性;混合特征网络通过结合简单循环单元和多尺度局部卷积学习模块以及自注意力层,全面捕捉评教文本全局上下文序列特征和不同尺度下的局部语义信息,提升模型的深层次特征表示能力,自注意力机制通过计算每个分类特征对分类结果的重要程度,识别出对情感识别结果影响较大的关键特征,避免无关特征对结果造成干扰,影响分类性能,将分类向量拼接后由线性层输出评教文本情感分类结果。在真实学生评教文本数据集上的实验结果表明,该模型F1值达到97.8%,高于对比的BERT-BiLSTM、BERT-GRU-ATT等深度学习模型。此外,消融实验结果也证明了各模块的有效性。

关键词：情感分析预训练模型自注意力双向简单循环单元多尺度卷积网络

结合BERT和卷积双向简单循环网络的文本情感分析

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2022年第12期39卷 213-218页

作者：黄泽民吴迎岗广东工业大学计算机学院广东广州510006

针对传统预训练模型无法解决多义词表征问题和抽取的情感特征能力不足等问题,提出一种结合BERT和卷积双向简单循环网络的文本情感分类模型。用BERT预训练得到融合句子语境的动态词向量;用多粒度卷积神经网络对词向量特征进行二次抽取,... 详细信息

针对传统预训练模型无法解决多义词表征问题和抽取的情感特征能力不足等问题,提出一种结合BERT和卷积双向简单循环网络的文本情感分类模型。用BERT预训练得到融合句子语境的动态词向量;用多粒度卷积神经网络对词向量特征进行二次抽取,池化后注入局部响应归一化层LRN来归一化特征图,以生成句子整体特征表示;利用双向简单循环单元进一步学习上下文语义信息;使用Softmax回归得出文本的情感倾向。实验结果表明,结合BERT和卷积双向简单循环网络的文本情感分类模型能获得更高的准确率,注入的LRN层和并行化循环网络有效提高模型性能,具有较好的实用价值。

关键词：文本情感分析双向解码器上下文信息双向简单循环单元卷积神经网络

结合BERT和BiSRU-AT的中文文本情感分类

在线全文

学校读者我要写书评

暂无评论

计算机工程与科学 2021年第9期43卷 1668-1675页

作者：黄泽民吴晓鸰吴迎岗凌捷广东工业大学计算机学院广东广州510006

针对传统语言模型的词向量表示无法解决多义词表征的问题,以及现有情感分析模型不能充分捕获长距离语义信息的问题,提出了一种结合BERT和BiSRU-AT的文本情感分类模型BERT-BiSRU-AT。首先用预训练模型BERT获取融合文本语境的词向量表征;... 详细信息

针对传统语言模型的词向量表示无法解决多义词表征的问题,以及现有情感分析模型不能充分捕获长距离语义信息的问题,提出了一种结合BERT和BiSRU-AT的文本情感分类模型BERT-BiSRU-AT。首先用预训练模型BERT获取融合文本语境的词向量表征;然后利用双向简单循环单元(BiSRU)二次提取语义特征和上下文信息;再利用注意力机制对BiSRU层的输出分配权重以突出重点信息;最后使用Softmax激励函数得出句子级别的情感概率分布。实验采用中文版本的推特数据集和酒店评论数据集。实验结果表明,结合BERT和BiSRU-AT的文本情感分析模型能够获得更高的准确率,双向简单循环模型和注意力机制的引入能有效提高模型的整体性能,有较大的实用价值。

关键词：文本情感分析语义特征注意力机制双向简单循环单元双向解码器

面向BSP-CNN的短文本情感倾向性分类研究

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2019年第23期55卷 120-124页

作者：廖小琴徐杨贵州大学大数据与信息工程学院

针对消费短文本评论中的情感倾向性分类问题,提出了一种BSP-CNN混合神经网络模型。模型先使用双向简单循环单元(BiSRU)对数据进行特征表示,再使用逐点卷积神经网络(P-CNN)进一步学习语义特征,并输出情感倾向性分类结果。实验结果表明,... 详细信息

针对消费短文本评论中的情感倾向性分类问题,提出了一种BSP-CNN混合神经网络模型。模型先使用双向简单循环单元(BiSRU)对数据进行特征表示,再使用逐点卷积神经网络(P-CNN)进一步学习语义特征,并输出情感倾向性分类结果。实验结果表明,与传统的长短期记忆神经网络(LSTM)和卷积神经网络(CNN)相比,BSPCNN混合神经网络模型有效简化了计算,缩短了运行时间,并且在不同大小和不同文本长度的数据集上均能取得更高的F1值。

关键词：情感倾向性分析双向简单循环单元逐点卷积神经网络混合神经网络

基于Modbus-TCP协议的工控数据安全技术研究

在线全文

学校读者我要写书评

暂无评论

基于Modbus-TCP协议的工控数据安全技术研究

作者：朱智燊广东工业大学

学位级别：硕士

随着计算机网络技术的发展,以及“互联网+”和“工业互联网”等国家层面的战略方针出台,我国工业控制系统与互联网的连接越来越紧密,其原有的封闭性已经被打破,安全问题日益突出。如何有效地检测工业控制系统的入侵行为,已成为工业控制... 详细信息

随着计算机网络技术的发展,以及“互联网+”和“工业互联网”等国家层面的战略方针出台,我国工业控制系统与互联网的连接越来越紧密,其原有的封闭性已经被打破,安全问题日益突出。如何有效地检测工业控制系统的入侵行为,已成为工业控制系统安全领域的研究热点问题。由于Modbus-TCP协议在工业控制系统中得到广泛使用,形成了工业控制系统面临互联网TCP/IP通用协议及Modbus私有协议双重安全风险的局面。因此,针对Modbus-TCP协议存在的安全问题,本文将从数据安全校验和入侵检测两个方面展开研究,并将其引入工业控制系统防护体系。本文的主要研究工作如下:(1)介绍了工业控制系统安全的研究背景,以及Modbus-TCP协议数据安全的研究意义,综述了基于数据安全的传输机制和基于深度学习的入侵检测的国内外研究现状,并概述了与本文相关的概念与方法。(2)针对目前的工业控制系统数据完整性校验方法存在着无法同时抵御拒绝服务攻击、中间人攻击及重放攻击等网络攻击,且需要修改系统代码以实现安全方案等问题,从传输机制的角度研究了利用网络隐蔽信道实现Modbus-TCP协议数据安全校验方法,对该方法的原理和数据安全校验流程进行了详细阐述,并进行了仿真实验与安全性分析。(3)针对长短时记忆网络、门控循环单元网络等基于循环结构神经网络的入侵检测方法存在的梯度消失和模型训练时间较长等问题,从深度学习的角度进行研究,利用跳跃连接和双向结构优化简单循环单元神经网络,并将其应用于Modbus-TCP协议工控入侵检测,最后在工控入侵数据集上进行仿真实验,并与其他方法进行比较。论文的创新点包括:(1)提出一种基于Modbus-TCP协议的工控数据完整性校验方法,利用存储型和时间型网络隐蔽信道,对Modbus-TCP数据包进行完整性哈希校验。通过仿真实验和安全性分析,表明该方法可有效抵御拒绝服务攻击、中间人攻击、重放攻击等网络攻击,可为工业控制系统的数据传输提供完整性校验。(2)提出一种基于双向简单循环单元网络的工控系统入侵检测方法,通过引入了跳跃连接和双向结构,优化原有的简单循环单元网络,从多维度提取数据双向序列特征,使误差更有效的反向传播,较好地解决了梯度消失问题,提高了模型的准确率,且降低了深度学习过程的训练时间。通过在密西西比州立大学工控入侵标准数据集上进行的仿真实验表明,该方法所需的模型训练时间相比其他方法更短、入侵检测准确率提高到96.23%。

关键词：工业控制系统 Modbus-TCP协议数据安全网络隐蔽信道双向简单循环单元

基于改进CNN与RNN的物联网入侵检测模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进CNN与RNN的物联网入侵检测模型

作者：李晓佳哈尔滨师范大学

学位级别：硕士

近年来,随着物联网规模的扩张,其在生活中方方面面的普及,物联网的作用愈加重要,但这也意味着物联网设备更有可能被视为网络攻击的目标。入侵检测系统通过对网络流量数据进行实时检测,当发现攻击行为时,入侵检测系统会及时发出警报,从... 详细信息

近年来,随着物联网规模的扩张,其在生活中方方面面的普及,物联网的作用愈加重要,但这也意味着物联网设备更有可能被视为网络攻击的目标。入侵检测系统通过对网络流量数据进行实时检测,当发现攻击行为时,入侵检测系统会及时发出警报,从而达到保障网络信息安全的目的。部分应用于物联网的设备可能需要布署在需要人力维护的环境下,物联网设备不仅易受到外部破坏,而且由于设备的有限的算力和存储能力等特点也使其易受到网络攻击,所以在模型构建时除了关注模型性能的提高,也要考虑构建的模型是否适用于物联网环境。本文就现有的基于卷积神经网络和循环神经网络的入侵检测模型的基础上提出了基于改进卷积神经网络和循环神经网络的物联网入侵检测模型,所提模型的构成包含基于改进卷积神经网络的特征提取模型和基于改进循环神经网络的分类模型,主要研究内容如下:(1)针对物联网设备内存小和算力弱的特点和传统池化层存在信息丢失的问题,本文提出了基于改进卷积神经网络的特征提取模型。特征提取模型中包含了两部分的改进。其一是卷积层采用小卷积核,很大程度地减小了卷积层的参数量,为了保证与大卷积核相同的感知野,堆叠了多层的卷积层。其二是模型中池化层采用Soft Pool池化层代替原始的池化层,实现了特征降维。(2)针对循环神经网络在处理长序列时间数据上存在梯度消失的问题,本文提出了基于改进循环神经网络的分类模型。分类模型中循环层采用了简单循环单元,参数量相对较少且计算过程简单,并实现了不同时间步间的并行计算,还将简单循环单元和多头结构相结合,从多角度对数据进行分析。(3)通过仿真试验对所提模型的的性能进行了验证。仿真试验中将物联网数据集Bo T-Io T和TON-Io T作为基准数据集,采用的评价指标包含了准确率、检测率、F1得分、精确率和误警率。仿真试验是与所提模型相关的销蚀试验,并将所提模型的性能结果与现有模型的性能相比较。试验结果表明,所提模型将参数量控制在较小范围内的同时,基于卷积和循环神经网络所做出的改进均有助于入侵检测模型性能的提高,具有现实意义。

关键词：物联网入侵检测 SoftPool池化层双向简单循环单元

基于ISSA优化轴承寿命预测网络超参数的方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

内燃机与配件 2022年第23期 52-54页

作者：王彬重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074

针对滚动轴承剩余使用寿命预测(Remaining Useful Life,RUL)模型超参数较多的问题。提出基于混合正弦余弦算法和Lévy飞行的麻雀算法(Hybrid sines and cosines and Levy’s flying sparrow algorithm,ISSA)优化轴承寿命预测网络超参数... 详细信息

针对滚动轴承剩余使用寿命预测(Remaining Useful Life,RUL)模型超参数较多的问题。提出基于混合正弦余弦算法和Lévy飞行的麻雀算法(Hybrid sines and cosines and Levy’s flying sparrow algorithm,ISSA)优化轴承寿命预测网络超参数的方法研究。首先利用ISSA对特征提取模型自注意力机制卷积神经网络进行寻优;其次利用时间窗口滑动方法处理提取到的特征以获取更具时序性的寿命特征矩阵,并以此作为输入数据再次利用ISSA对预测模型进行寻优;最后将数据集输入到双向简单循环单元网络中并完成寿命预测。通过实验证明,验证了所提方法的可行性。

关键词：滚动轴承双向简单循环单元 ISSA 寿命预测