〔网络安全〕基于深度学习的入侵检测系统
本研究基于B/S架构开发网络入侵检测系统，采用NSL-KDD数据集进行模型训练与测试。通过KDDTest数据评估模型性能，并利用pyechart可视化分析各项指标。系统支持参数调优以优化模型效果，同时集成scapy模块解析pcap数据包，结合自定义安全特征库进行正则匹配检测，可有效分析Wireshark捕获的网络流量。研究成果为网络安全监测提供了完整的解决方案，涵盖数据训练、模型优化到实时检测的全
·
项目采用B/S架构实现web系统；
基于NSL-KDD数据集进行模型训练及测试
模型测试：使用训练后的模型进行测试，选择KDDTest测试数据进行模型测试，能够展示准确率
数据集分析：基于NSL-KDD数据集分析，通过pyechart将各项指标分析展示
模型调优：通过调整不同的参数值，达到训练调优的目的
pcap包检测：使用scapy模块读取pcap包数据，再根据设定的安全特征库进行正则匹配
通过自定义的安全特征库进行pcap包检测，能够支持检测wireshark直接抓取到的数据包
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
4
0- 0
已为社区贡献1条内容
所有评论(0)