基于GA的NDNN结构与参数优化及其在入侵检测的应用

摘要：

传统机器学习方法及浅层神经网络方法处理高维数据准确率较低,一般深度神经网络易受权重、阈值、学习率的影响而陷入局部最优.提出了基于遗传算法GA的深度神经网络结构和参数优化方法,并对新的深度神经网络NDNN入侵检测的方法进行优化;利用遗传算法强大的全局搜索能力,对深度神经网络各隐藏层的数目、学习率及训练次数进行寻优;使用KDD CUP99入侵数据集进行了试验验证.结果 表明,该方法与不同的深度神经网络相比,其准确率、检测率有一定提高,误报率有一定降低;与其他机器学习算法相比,其准确率、检测率有明显提高,误报率有明显降低.

关键词：深度神经网络、遗传算法、入侵检测、优化

所属期刊栏目：34

分类号：TP393.08;X913.2(计算技术、计算机技术)

资助基金：国家自然科学基金项目61403183;湖南省自然科学基金项目2017JJ4048;湖南省教育厅科学研究重点项目18A230;湖南省财政厅科学研究项目20191550502;2018湖南省研究生科研创新项目CX2018B603

在线出版日期：2019-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：14-18,24