基于ResNet深度神经网络的异常检测模型

• 作者: 郑非凡
• 来源期刊: 网络新媒体技术
• 关键词: 异常检测 深度神经网络 自编码器 代价函数 ResNet
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 学术研究
• 页码范围: 16-22
• 页数: 7页
• 字数: 4921字
• 语种: 中文

摘要

针对基于自编码器的异常检测在训练时容易过拟合,进而导致误报率较高的问题,本文提出一种基于残差网络(Residual Network,ResNet)的深度神经网络异常检测模型.该模型训练神经网络学习数据的一部分到另一部分的映射,在训练时,采用固定的切分规则将每个数据切分成A和B两部分,并且选取合适的输出数n,训练神经网络模型对每个输入A,输出n种B的可能,构造相应的代价函数,并加上L2正则化避免过拟合.测试时,计算网络输出到B的误差,通过设定的阈值来划分数据的正常与异常.最后,构造深度神经网络时,用ResNet网络层来避免梯度消失问题.在对KDDCup99数据集的测试中,本文描述的方法能达到较好的检测率及较低的误报率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑非凡	四川大学网络空间安全学院	1	0	0.0	0.0