基于AutoEncoder和ResNet的网络入侵检测方法

发布时间：2021-08-04 06:22

　　鉴于自动编码器（AutoEncoder）网络在特征学习上的优势,以及残差网络（ResNet）构建深层模型在分类领域的成熟应用,结合这两种深度学习模型提出了一种新的网络入侵检测方法,来解决传统方法检测准确率低的问题。该方法先用预处理后的数据通过自编码网络重构误差进行特征提取,然后用提取后的特征对设计的残差网络进行训练,最后用训练好的模型对测试集进行分类检测。实验结果在准确率、真正率和误报率方面都有较好表现,表明了基于自编码器和残差网络（AutoEncoder-ResNet）模型的有效性和可行性。 

【文章来源】：计算机应用研究. 2020,37(S2)北大核心CSCD

【文章页数】：3 页

【文章目录】：
0 引言
1 模型设计
    1.1 自动编码器（AutoEncoder)
    1.2 残差网络（ResNet)
    1.3 AutoEncoder-ResNet模型结构
2 数据介绍及预处理
    2.1 实验数据
    2.2 数据预处理
3 实验及结果分析
    3.1 实验环境与超参数
    3.2 评价指标
    3.3 实验结果
4 结束语



本文编号：3321180