Fakulta informačních technologií VUT v Brně

Detail publikace

Convergence Optimization of Backpropagation Artificial Neural Network Used for Dichotomous Classification of Intrusion Detection Dataset

HOMOLIAK Ivan, BREITENBACHER Dominik a HANÁČEK Petr. Convergence Optimization of Backpropagation Artificial Neural Network Used for Dichotomous Classification of Intrusion Detection Dataset. Journal of Computers, roč. 12, č. 2, s. 143-155. ISSN 1796-203X. Dostupné z: http://www.jcomputers.us/vol12/jcp1202-06.pdf
Název česky
Optimalizace konvergence neuronové sítě Backpropagation aplikovaná na dichotomickou klasifikaci síťových průniku
Typ
článek v časopise
Jazyk
angličtina
Autoři
URL
Abstrakt
Práce se zabývá optimalizací konvergence neuronové sítě trénováné algoritmem backpropagation. Jako vstupní dataset je využit NSL-KDD 1999, který je zaměřen na síťové průniky zranitelných služeb ale i jiné typy útoků. Nejlepší výsledky jsou dosahovány s využitím stratifikovaného vzorkování a simulovaného žíhání v procesu trénování. V porovnání s prací publikující NSL-KDD 1999 jsou dosahovány lepší výsledky úspěšnosti klasifikace o 4.5%.
Rok
2017
Strany
143-155
Časopis
Journal of Computers, roč. 12, č. 2, ISSN 1796-203X
BibTeX
@ARTICLE{FITPUB10987,
   author = "Ivan Homoliak and Dominik Breitenbacher and Petr Han\'{a}\v{c}ek",
   title = "Convergence Optimization of Backpropagation Artificial Neural Network Used for Dichotomous Classification of Intrusion Detection Dataset",
   pages = "143--155",
   journal = "Journal of Computers",
   volume = 12,
   number = 2,
   year = 2017,
   ISSN = "1796-203X",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/10987"
}
Nahoru