卷積神經(jīng)網(wǎng)絡在入侵檢測技術(shù)領(lǐng)域中已得到廣泛應用,一般地認為層次越深的網(wǎng)絡結(jié)構(gòu)其在特征提取、檢測準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)量大準確率不高等問題。針對上述問題,該文提出將密集連接卷積神經(jīng)網(wǎng)絡(DCCNet)應用到入侵檢測技術(shù)中,并通過使用混合損失函數(shù)達到提升檢測準確率的目的。用KDD 99數(shù)據(jù)集進行實驗,將實驗結(jié)果與常用的LeNet神經(jīng)網(wǎng)絡、VggNet神經(jīng)網(wǎng)絡結(jié)構(gòu)相比。分析顯示在檢測的準確率上有一定的提高,而且緩解了在訓練過程中梯度彌散問題。

【文章頁數(shù)】：7 頁


本文編號：3866126