{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,6,17]]，“日期-时间”：“2024-06-17T15:52:11Z”，“时间戳”：1718639531007}，“引用-计数”：50，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：“日期-零件”：[[2020,12,1]]，”日期-时间“：”2020-12-01T00:00:00 Z“，”timestamp“：1606780800000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com//tdm\/userlicense\/1.0\/”}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[”未来一代计算机系统“]，“published-print”：{“date-parts”：[2020,12]}，”DOI“：”10.1016\/j.Future.2020.07.042“，”类型“：“journal-article”，“created”：{“date-parts”：[[2020,7,18]]，“date-time”：“2020-07-18T14:49:00Z”，“timestamp”：1595083740000}，“page”：“418-427”，“update-policy”：”http:\\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：94，“title”：[“入侵检测系统的遗传卷积神经网络”]，“prefix”：“10.1016”，“volume”：“113”，“author”：[{“给定”：“Minh Tuan”，“family”：“Nguyen”，“sequence”：“first”，“affiliation”：[]}，{“给出”：“Kiseon”，“家族”：“金姆”，“序列”：“附加”，“从属”：[]}，“成员”：“78”，“引用”：[}“key”：”10.1016\/j.future.2020.07.042_b1“，”doi-asserted-by“：”crossref“，“首页”：“25”，“doi”：“10.1016\/j.jnca.2017.02.009”，“文章标题”：“物联网入侵检测调查”，“卷”：“84”，“作者”：“Zarpel\u00e3oa”，“年份”：“2017年”，“日志标题”：“J.Netw.Comput.Appl.”}，{“key”：“10.1016\/J.future.2020.07.042_b2”，”doi-asserted-by“：”crossref“，”first page“：”52843“，”doi“：”10.1109\/ACCESS.2018.2869577“，”article-title“：“将稀疏自动编码器与支持向量机相结合的深度学习方法用于网络入侵检测”，“卷”：“6”，“作者”：“Al-Quatf”，“年份”：“2018”，“日志标题”：“IEEE Access”}，{“键”：“10.1016\/j.future.2020.07.042_b3”，“doi-asserted-by”：“crossref”，《首页》：“340”，”doi“10.1016 \/j.cose.2017.08.016”，“article-title”：“识别雾计算和云计算环境中恶意边缘设备的网络安全框架”，“卷”：“74”，“作者”：“Sohal”，“年份”：“2018”，“日志标题”：“Compute.Secur.”}，{“密钥”：“10.1016\/j.future.2020.07.042_b4”，“doi-asserted-by”：“crossref”，“首页”：“29”，“doi”：“101016\/jpdc.2019.09.016”，“article-title”：“智能电网隐私保护实用群盲签名方案”，“volume”：“136”，“author”：“Kong”，“year”：“2020”，“journal-title”：“J.Parallel Distrib.Comput.”}，{“key”：”10.1016\/J.future.2020.07.042_b5“，”first page“：”1“，”article-title“：“使用基于机器学习算法的混合数据优化构建有效的入侵检测系统”，“卷”：“2019”，“作者”：“任”，“年份”：“2017”，“日志标题”：“Secur.Comun.Netw.”}，{“密钥”：“10.1016\/j.future.2020.07.042_b6”，“首页”：“12”，“文章标题”：“基于k-means和决策树的混合入侵检测算法”，“volume”：“37”，“author”：“Li”，“year”：“2019”，“journal-title”：“Compute.Mod.”}，{“key”：”10.1016\/j.future.2020.07.042_b7“，”doi-asserted-by“：”crossref“，”first page“：”72458“，”doi“：”10.1109\/ACCESS.2018.2867345“，”article-title“：“多层回声状态机：高效入侵检测的新架构”，“卷”：“6”，“作者”：“Tchakoucht”，“年份”：“2018”，“日志标题”：“IEEE Access”}，{“密钥”：“10.1016\/j.future.2020.07.042_b8”，“doi-asserted-by”：“crossref”，“首页”：“59”，“doi”：“101016\/j.knosys.2019.01.002”，“article-title”：“提高层次数据入侵检测系统的有效性”，“卷”：“168”，“作者”：“Yahaloma”，“年份”：“2019年”，“日志标题”：“基于知识的系统”}，{“键”：“10.1016\/j.future.2020.07.042_b9”，“文章标题”：“基于核密度估计的入侵检测系统鲁棒自适应多元hotelling\u2019s T2控制图”，“volume”：“145”，“author”：“Ahsana”，”year“：“2020”，“journal-title”：“Expert Syst.Appl.”}，{“key”：”10.1016\/j.future.2020.07.042_b10“，”doi-asserted-by“：”crossref“，”first page“：”165607“，”doi“：”10.1109\/ACCES.2019.2953095“，“article-title”：“基于使用事件配置文件的人工神经网络的网络威胁检测”，“volume”：“7”，“author”：“Lee”，“year”：“2019”，“journal-title“：”IEEE Access“}，{“key”：”10.1016\/j.future.2020.07.042_b11“，”doi-asserted-by“：”crossref“，”first page“：”59657“，”doi“：”10.1109\/ACCES.2018.2875045“，”article-title“：“基于深度信任网络和使用spark的集成SVM的分布式异常行为检测方法”，“卷”：“6”，“作者”：“Marir”，“年份”：“2018”，“期刊标题”：“IEEE Access”}，｛“密钥”：“10.1016\/j.future.202.00.07.042_b12”，“doi断言”：“crossref”，“首页”：“1153”，“doi”：“10.1109\/COMST.2015.2449402”，“文章标题”：“网络安全入侵检测的数据挖掘和机器学习方法调查”，“卷”：“18”，“作者”：“Buckak”，“年份”：“2016”，“日志标题”：“IEEE Commun.Surv.Tutor.”}，{“key”：“10.1016\/j.future.2020.07.042_b13”，“doi-asserted-by”：“crossref”，《首页》：“213”，“doi”：“101016\/j.procs.2016.047”，“article-title”：“网络入侵检测系统的随机森林建模”，“volume”：“89”，“author”：“Farnaaz”，“year”：“2016”，“journal-title”：“Procedia Compute.Sci.”}，{“key”：”10.1016\/j.future.2020.07.042_b14“，”doi-asserted-by“：”crossref“，”first page“：”360“，”doi“：”10.116\/j.asoc.2015.10.011“，”article-title“：“用于入侵检测系统的新型SVM-kNN-PSO集成方法”，“volume”：“38”，“author”：“Aburomman”，“year”：“2016”，“journal-title”：“Appl.Soft Compute.”}，{“key”：”10.1016\/j.future.2020.07.042_b15“，“doi-asserted-by”：“crossref”，“first page”:“1”，“doi”：“10.1016\/j.eswa.2019.112845”，“article-title“：“通过基于GA-GOGMM的模式学习和模糊粗糙集属性选择的自适应入侵检测”，“卷”：“139”，“作者”：“刘”，“年份”：“2020”，“日志标题”：“专家系统应用”}，{“键”：“10.1016\/j.future.2020.07.042_b16”，“doi-asserted-by”：“crossref”，《首页》：“113081”，“doi”：“101109\/ACCEST.2019.2935154”，“文章标题”：“探索性入侵检测的分组主成分分析”，“卷”：“7”，“作者”：“Camacho”，“年份”：“2019”，“日志标题”：“IEEE Access”}，{“key”：“10.1016\/j.future.2020.07.042_b17”，“series-title”：“特征提取基础与应用”，“author”：“Guyon”，“year”：“2006”}，“doi-asserted-by”：“crossref”，“first page”：“161725”，“doi”：“10.1109\/ACCESS.2019.2951839”，“article-title”：“基于端口间交互模式定量模型的入侵检测系统”，“volume”：”7“，“author”：“Liu”，“year”：“2019”，”journal-title“：”IEEE ACCESS“}，{“key”：：“10.1016\/j.future.2020.07.042_b19”，“doi-asserted-by”：，“首页”：“83286”，“DOI”：“10.1109\/ACCESS.2019.2922692”，“article-title”：“基于简单递归单元模型的DCGAN入侵检测系统”，“卷”：“7”，“作者”：“杨”，“年份”：“2019”，“日志标题”：“IEEE ACCESS”}，{“密钥”：“101016\/j.future.2020.07.042_b20”，“DOI-asserted-by”：“crossref”，“非结构化”：“S.M.Kasongo，Y。Sun，无线入侵检测系统基于深-长-短期内存的分类器，ICT Express，2019年8月22日在线提供。“，”DOI“：”10.1016\/j.icte.2019.08.004“}，{“key”：“10.1016\/j.future.2020.07.042_b21”，“DOI-asserted-by”：“crossref”，“first page”：”21954“，“DOI”：“101109\/ACCES.2017.2762418”，“article-title”：“使用递归神经网络进行入侵检测的深度学习方法”，“volume”：“5”，“author”：“Yin”，“year”：“2017”，“journal-title”：“IEEE Access”}，{“key”：”10.1016\/j.future.2020.07.042_b22“，”doi-asserted-by“：”crossref“，”doi“：”10.116\/j.asoc.2019.105612“，“article-title“：”使用基于信道提升和残差学习的深度卷积神经网络进行网络异常检测”，“卷”：“83”，“作者”：“Chouhan”，“年份”：“2019”，“期刊标题”：“应用。软计算。“}，{”key“：”10.1016\/j.future.2020.07.042_b23“，”doi-asserted-by“：”crossref“，”first page“：“30373”，”doi“：”101109\/ACCESS.2019.2899721“，”article-title“：”高效网络入侵检测的新型两阶段深度学习模型“，”volume“：7”，”author“：”Khan“，”year“：”2019 _b24“，”doi-asserted-by“：”crossref“，”first page“：”50850“，“doi”：“10.1109\/ACCESS.2018.2868993”，“article-title”：“使用卷积神经网络的大规模网络的新型入侵检测模型”，“volume”：“6”，“author”：“Wu”，“year”：“2018”，“journal-title“：”IEEE ACCESS“}，{“key”：”10.1016\/j.future.2020.07.042_b25“，”doi-assert-by“首页“：”64366“，”DOI“：”10.1109\/ACCESS.2019.2917299“，”article-title“：”基于改进卷积神经网络的无线网络入侵检测“，”volume“：”7“，”author“：”Yang“，”year“：”2019“，”journal title“：“IEEE ACCESS”}，{“key”：“10.1016\/j.future.2020.07.042_b26”，“series-title”：“实用遗传算法”，“author”：“Haupt”，“year”：“2004“}，{”key“：”10.1016\/j.future.2020.07.042_b27“，”series-title“：”Pattern Classification“，”author“：”Duda“，”year“：”2001“}”，{“key”：“10.1016\/j.future.202.07.042_b28”，”series“-title”：“模糊聚类算法”，“author”：“Miyamoto”，“year”：“2008”}，“key“”：”10.116\/j.future.2020年7.042_529“，”首页“：”1“，“文章标题”：“使用IG-PCA和集成分类器进行网络入侵检测的降维”，“卷”：“2018”，“作者”：“Salo”，“年份”：“2018”，“日志标题”：“安全”。Commun公司。Netw公司。“}，{”key“：”10.1016\/j.future.2020.07.042_b30“，”doi-asserted-by“：”crossref“，”first page“：“13624”，“doi”：“10.1109\/ACCESS.2018.2810198”，“article-title”：“基于GA和SVM的改进入侵检测算法”，“volume”：“6”，“author”：“Tao”，“year”：“2018”，“journal-title“：”IEEE ACCESS“}”，{“key”：“，”doi-asserted-by“：”crossref”，“首页”：“148”，“DOI”：“10.1016\/j.cose.2018.11.005”，“文章标题”：“基于萤火虫算法的网络入侵检测特征选择”，“卷”：“81”，“作者”：“Selvakumar”，“年”：“2019”，“期刊标题”：“Comput。安全。“}，{”key“：”10.1016\/j.future.2020.07.042_b32“，”doi-asserted-by“：”crossref“，”first page“：“38597”，“doi”：“10.1109\/ACCESS.2019.2905633”，“article-title”：“无线入侵检测系统基于过滤器的特征工程的深度学习方法”，“volume”：“7”，”author“：”Kasongo“，“year”：“2019”，“journal-title“：”IEEE ACCESS“}”，{“key”：”10.1016\/j.future.2020.07.042_b33“，”doi-asserted-by“：”crossref“，”first page“：”41525“，”doi“：”10.1109\/ACCESS.2019.2895334“，”article-title“：”智能入侵检测系统的深度学习方法“，”volume“：“7”，“author”：“Vinayakumar”，“year”：“2019”，“journal-title”：“IEEE ACCESS”}，{“key”：“10.1016\/j.future.202.07.042_b34”，“doi-assert-b”y“：”crossref“，”DOI“：”10.3390\/app9071392“，”article-title“：”基于新特征选择模型和各种递归神经网络的网络入侵检测“，”volume“：”9“，”author“：”Le“，“year”：“2019”，“journal-title”：“Appl。科学。“}，{”key“：”10.1016\/j.future.2020.07.042_b35“，”doi-asserted-by“：”crossref“，”first page“：“1”，”doi“：”101109\/TETCI.2017.2772792“，”article-title“：”A deep learning approach to network intrusion detection“，”volume“：2”，“author”：“Shone”，“year”：“2018”，“journal-title”：“IEEE Trans.Emerg.Top.Compute.Intell.”}，”{“key”：“10.1016\/j.future.2020.07.042_b36“，”doi断言者：“crossref”，“first page”：“41238”，“doi”：“10.1109\/ACCESS.2018.2858277”，“文章标题”：“通过堆叠稀疏自动编码器进行有效特征提取以改进入侵检测系统”，“volume”：“6”，“author”：“Yan”，“year”：“2018”，“journal title”：“IEEE ACCESS”}，｛“key”：“10.1016\/j.future.200.07.042_b37”，“doi断言者：”crossref“，”第一页“：”1“，”DOI“：”10.1007\/s10916-017-0851-z“，”article-title“：”DNA密码学和深度学习，使用遗传算法和nw算法生成密钥“，”卷“：”42“，”作者“：”Kalsi“，”年份“：”2018“，”期刊标题“：”J.Med.Syst。“}，{”key“：”10.1016\/j.future.2020.07.042_b38“，”doi-asserted-by“：”crossref“，”first page“：“18558”，“doi”：“10.1109\/ACCESS.2019.2895898”，“article-title”：“网络入侵检测和预防的新体系结构”，“volume”：“7”，“author”：“Bul\u2019ajoul”，“year”：“2019”，“journal-title“：”IEEE ACCESS“}”，{“key”：”10.116\/j.未来.2020.07.042_b39“，”doi-asserted-by“：”crossref“，”first page“：”91992“，”doi“：”10.1109\/ACCESS.2019.2927465“，”article-title“：”基于网络的攻击检测的多层表示学习模型“，”volume“：“7”，”author“：”Zhang“，”year“：”2019“，”journal-title”：“IEEE ACCESS”}，{“key”：“10.1016\/j.future.2020.07.042_b40”，“doi-assert-by”：”cross-ref“1“，”DOI“：”10.3390\/a10020039“，”article-title“：”从入侵检测到入侵响应系统：基本原理、要求和未来方向“，”volume“：”10“，”author“：”Anwar“，”year“：”2017“，”journal-title”：“Algorithms”}，{“key”：“10.1016\/j.future.2020.07.042_b41”，“DOI-asserted-by”：“crossref”，“first-page”：“303”，“DOI”：“10.1016\/j.future.2017.01.029“，“article-title”：“入侵检测系统的新型统计技术”，“volume”：“79”，“author”：“Kabir”，“year”：“2018”，“journal-title“：“future Gener”。计算。系统。“}，{”key“：”10.1016\/j.future.2020.07.042_b42“，”doi-asserted-by“：”crossref“，”first page“：“82512”，“doi”：“10.1109\/ACCESS.2019.2923640”，“article-title”：“入侵检测的自适应集成机器学习模型”，“author”：“Gao”，“year”：“2019”，“journal-title“：”IEEE ACCESS“}”，{“key”：“10.0016\/j.furture.2020.07.042_b43”，“doi-assert-by”“：”crossref“，”first-page“：”106495“，”DOI“：”10.1109\/ACCESS.2019.2929487“，”article-title“：”识别和基准测试网络入侵检测的关键功能：集成方法“，”volume“：”7“，”author“：”Binbusayyis“，”year“：”2019“，”journal-title”：“IEEE ACCESS”}，{“key”：“10.1016\/j.future.2020.07.042_b44”，“DOI-asserted-by”：“crossref.”，“first-page:”31711“，”DOI“：”10.1109\/ACCESS.2019.2903723“，”article-title“：”基于改进遗传算法和深度信任网络的物联网入侵检测“，”volume“：”7“，”author“：”Zhang“，”year“：”2019“，”journal-title”：“IEEE ACCESS”}，{“key”：“10.1016\/j.future.2020.07.042_b45“，”DOI-asserted-by“：”crossref“，”first page“：“761”，“DOI”：“10.1016\/j.future.2017.08.043“，“article-title”：“使用物联网深度学习方法的分布式攻击检测方案”，“volume”：“82”，“author”：“Diro”，“year”：“2018”，“journal-title“：“future Gener”。计算。系统。“}，{”key“：”10.1016\/j.future.2020.07.042_b46“，”doi-asserted-by“：”crossref“，”first page“：“291”，“doi”：“10.1016\/j.cose.2019.06.013”，“article-title”：“使用机器学习算法组合构建基于深度神经网络的云环境IDS的智能方法”，“volume”：“86”，“author”：“Chiba”，“year”：“2019”，“journal-title“：”计算。安全。“}，{”issue“：”11“，”key“：”10.1016\/j.future.2020.07.042_b47“，”doi-asserted-by“：”crossref“，”first page“：“2528”，”doi“：”10.3390\/s19112528“，”article-title“：”使用改进的条件变分自动编码器和深度神经网络提高入侵检测的分类有效性“，”volume“:”19“，”author“：”Yang“，”“year“：”2019“，”journal-title“：”Sensors“}，{“key”：“10.1016\/j.future.2020.07.042_b48”，“doi-asserted-by”：“crossref”，“first-pages”：“138”，”doi“：“10.1109\/TSC.2015.2491281”，“article-title”：“Towards reating data security with the cloud computing approachment framework”，第9卷：“9”，“author”：“Chang”，“year”：“2016”，“journal-title”:“IEEE Trans.Serv.Comput.”}10.1016\/j.future.2020.07.042_b49“，“series-title”：“统计学习的要素”，“author”：“Hastie”，“year”：“2001”}，{“key”：“10.1016\/j.future.202.07.042_550”，“first page”：”1848“，“article-title”：”使用各种机器学习技术进行入侵检测的NSL-KDD数据集详细分析“，”volume“：”2“，”author“：”Revathi“，”year“：”2013年”，“期刊标题”：“国际工程研究技术”。“}]，”container-title“：[”Future Generation Computer Systems“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0167739X1932730X？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“”https:\/\/api.elsevier.com/content\/article\/PII:S016677739X1932730X？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2022,11,3]]，“date-time”：“2022-11-03T06:49:13Z”，“timestamp”：1667458153000}，“score”：1，“resource”：{“primary”：“URL”：“https:\\/linkinghub.elsevier.com//retrieve\/piii\/S0167733”9X1932730X“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2020,12]]}，”references-count“：50，”alternative-id“：[”S0167739X1932730X“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.future.2020.07.042“，”relationship“：{}，“ISSN”：[“0167-739X”]，“ISSN-type”：[{“value”：“0167.739X”，”type“：”print“}]，”subject“：[]，”published“：{”date-parts“：[[2020,12]]}，”assertion“：[{”value“：”Elsevier“，”name“：”publisher“，”label“：”本文由“}维护，{“value”：“入侵检测系统的遗传卷积神经网络”，“name”：“articletite”，“label”：“article Title”}，{”value“：”Future Generation Computer systems“，”name“：“journaltitle”，“标签”：“Journal Title“}，”{“值”：“https:\/\/doi.org\/101016\/j.Future.2020.07.042”，“名称”：“articlelink“，”label“：”CrossRef DOI link to publisher maintained version“}，{”value“：”article“，”name“：”content_type“，”标签“：”content-type“}”，{“value”：“\u00a9 2020由Elsevier B.V.出版”，“name”：“copyright”，“label”：“copyright“}]}”