10.16208/j.issn1000-7024.2023.03.009
基于分层自适应主动学习策略的入侵检测系统
为进一步降低样本成本并加快模型收敛速度,提出基于探索和开发的指数加权算法(exponential-weight algorithm for exploration and exploitation,EXP3)和增量微调卷积神经网络(fine-tuning convolutional neural networks,FCNN)的入侵检测系统(EXP3-FCNN).利用EXP3算法自适应选择最佳主动学习策略,代替单一的主动学习算法,提高样本质量;利用增量微调卷积神经网络提取流量数据更深层次的特征;使用AWID数据集作为实验数据.实验结果表明,该方案在保证模型精确度、召回率等性能指标的基础上,降低了样本成本,提高了模型的收敛效率.
入侵检测系统、主动学习、自适应、基于探索和开发的指数加权算法、样本成本、增量微调神经网络、分层
44
TP309.1(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2023-05-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
699-706