
1、研究方向的背景是什么?
(1)互联网发展迅速,网络安全态势严重
(2)现在的入侵检测准确率不够高,不能适应现在的需求
2、前人做了哪方面的工作获得了什么成果?
近代:

将网络作为入侵来源之后发展(基于异常网络的检测技术):
(1)基于数据挖掘与机器学习的入侵检测算法

(2)基于深度学习的入侵检测算法

(3)深浅学习相结合的入侵检测算法

(4)不同网络的入侵检测算法

3、还存在哪些问题待解决?
(1)给予深度学习的不平衡数据处理------通过GAN数据增强解决数据不平衡问题
(2)多样网络环境中特定入侵检测技术,针对各种网络数据集建设、检测方法研究还需进步
(3)对入侵检测系统的攻击行为研究,即深度神经网络可能受到对抗样本的影响------对抗攻击
参考:
基于深度学习的入侵检测方法和模型_侯海霞
基于深度学习的网络入侵检测方法研究_许聪源