《表1 DBN-ADT方法参数列表》
实验平台采用Eclipse+PyDev插件,DBN-ADT方法参数设置如表1所示。NSL-KDD数据集经过数据预处理后得到122维特征,即输入层有122个节点。而文献[15]已经详细阐述了DBN的网络深度、输出层节点数等关键因素对入侵检测性能的影响。本文选取5层RBM网络结构,通过折半查找法逐步递归选择合适的隐藏层节点个数,其隐藏层节点数依次为110、80、55、35、10,即DBN-ADT网络结构为122-110-80-55-35-10。在DBN预训练过程中迭代次数选取30,而DBN-ADT方法对网络入侵数据检测的准确率(Accuracy,AC)和误报率(False Alarm Rate,FAR)与基于BP算法的权重微调过程的迭代次数关系如图5所示。预训练和微调权重过程学习速度为0.06。
图表编号 | XD00115150700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.15 |
作者 | 宋雪桦、汪盼、邓壮来、解晖 |
绘制单位 | 江苏大学计算机科学与通信工程学院、江苏大学计算机科学与通信工程学院、江苏大学计算机科学与通信工程学院、江苏大学计算机科学与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |