基于深度學習的播出系統(tǒng)入侵檢測模型研究

摘要：廣播電視播出系統(tǒng)中心檢測模型的開發(fā)和應用，對保證廣播電視播出系統(tǒng)的安全性和穩(wěn)定性具有重要意義。文章采用文獻研究法、比較研究法和系統(tǒng)研究法等，探討基于深度學習的播出系統(tǒng)入侵檢測模型設計，主要針對模型的具體構(gòu)成、相關功能的實現(xiàn)、入侵檢測模型中算法的選擇和應用等問題展開。研究得出：第一，播出系統(tǒng)入侵檢測具有重要意義，既能夠保證播出系統(tǒng)的安全，又是提高廣播電視應急響應能力的關鍵所在；第二，在播出系統(tǒng)入侵檢測模型設計上，模型主要包括數(shù)據(jù)收集模塊、數(shù)據(jù)處理模塊、特征提取模塊、分類模塊和響應模塊，在網(wǎng)絡構(gòu)件上采用深度自編碼網(wǎng)絡，利用算法對高危網(wǎng)絡數(shù)據(jù)進行降維處理；第三，具體應用步驟包括特征學習、構(gòu)建BP 神經(jīng)網(wǎng)絡訓練模型、異常檢測和優(yōu)化模型；第四，從實驗所采用的數(shù)據(jù)和最終的實驗結(jié)果來看，所開發(fā)模型檢測準確率達97%，誤報率≤ 2%，漏報率≤ 2%，說明所開發(fā)模型在入侵檢測上各項性能均達到了預期的開發(fā)目標。（剩余4720字）