基于改进LSTM模型的网络异常数据流智能检测系统

作     者：罗庆佳 LUO Qingjia

作者机构：江门职业技术学院信息工程学院广东江门529090 

基　　金：2021年度校级教育教学改革研究与实践项目(项目编号:J21XYG008) 2021年粤高职计算机教指委教育教学改革研究与实践项目(项目编号:36) 2021年度广东大学生科技创新培育专项资金(项目编号:pdjh2021b0965) 2022年度江门市基础与应用基础研究重点项目“5G环境下面向智能制造的虚拟现实多人协作交互与高效渲染技术研究”(项目编号:JZ202216) 2023年度江门市基础与理论科学研究类项目(项目编号:5) 广东省教育科学规划领导小组2023年度教育科学规划课题(德育专项)“人工智能视域下聚焦关键教学行为的思政课堂教学评价研究”(项目编号:2023JKDY083) 

出 版 物：《信息与电脑》 (Information & Computer)

年 卷 期：2023年第35卷第19期

页      码：53-55页

摘      要：常规网络异常数据流智能检测系统的检测效率较低,为此提出基于改进长短期记忆网络(Long Short-Term Memory,LSTM)模型的网络异常数据流智能检测系统。根据系统的基本功能实现需求,设计了网络数据流采集器和通信无线网卡等硬件部分,并利用LSTM模型设计系统中的检测模块,结合数据接收引擎模块和数据流特征提取模块完成系统软件部分的设计。系统测试结果表明,所设计的网络异常数据流智能检测系统能够在较短时间内检出更多异常数据,检测效率较高。

主 题 词：长短期记忆网络(LSTM) 异常数据流 智能检测系统 

学科分类：0839[0839] 08[工学] 

D　O　I：10.3969/j.issn.1003-9767.2023.19.017

馆 藏 号：203125411...