基于密集连接卷积神经网络的入侵检测技术研究

• 作者: 单小撤 缪祥华
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 入侵检测 卷积神经网络 密集连接 梯度弥散
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 论文
• 页码范围: 2706-2712
• 页数: 7页
• 分类号: TN918.91
• 语种: 中文
• DOI: 10.11999/JEIT190655

摘要

卷积神经网络在入侵检测技术领域中已得到广泛应用,一般地认为层次越深的网络结构其在特征提取、检测准确率等方面就越精确.但也伴随着梯度弥散、泛化能力不足且参数量大准确率不高等问题.针对上述问题,该文提出将密集连接卷积神经网络(DCCNet)应用到入侵检测技术中,并通过使用混合损失函数达到提升检测准确率的目的.用KDD 99数据集进行实验,将实验结果与常用的LeNet神经网络、VggNet神经网络结构相比.分析显示在检测的准确率上有一定的提高,而且缓解了在训练过程中梯度弥散问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	缪祥华		23	24	3.0	3.0
2	单小撤		1	0	0.0	0.0