10.3969/j.issn.1671-1122.2019.09.021
基于前馈神经网络的入侵检测模型
由于入侵行为特征多样、网络环境复杂,导致基于深度学习的入侵检测方法容易出现模型复杂、灵活性差等问题.为此,文章提出基于前馈神经网络的入侵检测模型SFID,通过逐层削减神经元数量,整体化解决特征抽取和入侵分类问题,从而降低了入侵检测模型的训练复杂度.通过实验验证,模型在正确率相当的情况下比S-NDAE模型训练效率明显提高.
入侵检测、前馈神经网络、误差反向传播算法
TP309(计算技术、计算机技术)
国家自然科学基金U163620068
2019-12-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
101-105