。利用DBN提取高维网络历史数据的抽象特征，获得原始数据的低维表示形式。在此基础上，通过KELM对低维表示的数据做监督学习，达到准确识别网络攻击的目的。在NSL-KDD数据集上进行仿真，实验结果表明，DBN-KELM算法能够提高分类准确率，降低对小样本攻击

和集成学习的 Bagging集成策略的基础上构造随机森林（RF）层，对每层中RF输入随机选择的特征进行训练，拼接输出的类向量和特征向量并向下层传递迭代，持续训练直至模型敛。在NSL-KDD数据集上的实验结果表明与CNN算法相比，EDF算法在保证分类

，利用主成分分析方法对提取的特征做降维处理，并将SvM- Adaboost集合算法作为检测引擎。采用NSL-KDD数据集进行训练和测试，实验结果表明，该系统的正确率达到97.3%，较SVM算法和 Adaboost算法分别提高4.8%和14.3%。

的扩展，分类阶段则利用SVM和KNN算法将待分类数据分成3种情况应用不同的分类策略。基于 KDD CUP99和NSL-KDD数据集进行实验，结果表明，LL-SVM-KNN能够区分正常流量和异常流量并准确判断异常流量的攻击类型，其准确率较KNN算法和SVM算法有明显提升，判断攻击类型的

FAT32 FAT16 NTFS等格式的随意读写困扰不少同行。其实单片机读写U盘主要的是找到接口芯片，象NSL912，CH375等都是非常好用的芯片。但是找到接口芯片还不行。除非你用厂家提供的程序，那需要你来调整单片机适应他们的设置，这个过程也是麻烦的，并且无法从底