卷積神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)技術(shù)領(lǐng)域中已得到廣泛應(yīng)用,一般地認(rèn)為層次越深的網(wǎng)絡(luò)結(jié)構(gòu)其在特征提取、檢測(cè)準(zhǔn)確率等方面就越精確。但也伴隨著梯度彌散、泛化能力不足且參數(shù)量大準(zhǔn)確率不高等問題。針對(duì)上述問題,該文提出將密集連接卷積神經(jīng)網(wǎng)絡(luò)(DCCNet)應(yīng)用到入侵檢測(cè)技術(shù)中,并通過使用混合損失函數(shù)達(dá)到提升檢測(cè)準(zhǔn)確率的目的。用KDD 99數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),將實(shí)驗(yàn)結(jié)果與常用的LeNet神經(jīng)網(wǎng)絡(luò)、VggNet神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相比。分析顯示在檢測(cè)的準(zhǔn)確率上有一定的提高,而且緩解了在訓(xùn)練過程中梯度彌散問題。

【文章頁(yè)數(shù)】：7 頁(yè)


本文編號(hào)：3866126