文献类型：期刊文章

作　　者：肖铮[1]

XIAO Zheng(Sichuan Technology&Business College,Chengdu 611830,China)

机构地区：[1]四川工商职业技术学院信息工程系,四川成都611830

出　　处：《山东工业技术》

基　　金：四川省高等教育人才培养质量和教学改革项目“基于人工智能的个性化教育人才培养模式的构建和研究”(JG2018-1168);教育部科技发展中心产学研创新基金项目“基于大数据和人工智能的个性化教育关键技术研究”(2018A03007);中国轻工业联合会教育工作分会2019年课题“基于人工智能技术的技能创新平台研究与实践”(QGJY2019020);四川工商职业技术学院院级教育教学类课题“‘智能+’时代教育人才培养模式的构建和研究”(2019JY04)的资助。

年　　份：2020

期　　号：1

起止页码：47-49

语　　种：中文

收录情况：普通刊

摘　　要：采用支持向量机的入侵检测手段有助于应对日益更新的攻击方法。从数据来源和分析的角度,可以将入侵检测模型分为基于工业流量,工业过程,用户行为,恶意文件四大类。在实验中,采用BP神经网络对系统各个区域之间的状态做出预测,通过区域之间状态的推导,就能准确地判断出遭受到攻击的区域。

关 键 词：机器学习  BP神经网络 异常检测 攻击  

分 类 号：TP301]