MSE＿BLS:一种基于宽度学习系统的异常流量检测方法

发布时间：2022-02-18 11:10

　　如今深度学习在异常检测中得到了广泛应用。但是,基于深度学习的方法在训练阶段采用反向传播算法（Back Propagation,BP）进行模型的参数更新,需要花费大量时间,并且可能会丢失部分信息。基于上述原因,提出一种基于均方误差的宽度学习系统（Mean Square Error based Broad Learning System,MSE_BLS）异常检测方法。在公开数据集上进行测试,并与其他检测方法进行比较。结果表明,MSE_BLS能够在保证高效率异常检测的同时,获得较高的异常检测准确率。 

【文章来源】：信息工程大学学报. 2020,21(02)

【文章页数】：5 页

【部分图文】：

MSE＿BLS异常检测结构图

如图2所示，实验分析了数据集2上MSE＿BLS设置的特征节点数。结果表明，随着节点数量的不断增加，ACC和F1-score不断增加，直至达到99.82%和0.9987，分析原因在于特征节点设置较少时，模型泛化能力较弱，当节点数不断增加，其泛化能力不断增强，最终获得较为稳定的BLS。4 结束语

【参考文献】：
期刊论文
[1]特征选择方法综述[J]. 王娟,慈林林,姚康泽.  计算机工程与科学. 2005(12)
[2]异常检测方法综述[J]. 张剑,龚俭.  计算机科学. 2003(02)



本文编号：3630728