《表5 使用CNN的不同攻击类型的检测率比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的网络流量异常预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

经过测试评估分类效果，表5显示了每种攻击和整体攻击分类的准确率、检测率以及误报率。实验中将为识别为Benign的对象都分类为anomaly，因此存在部分混淆矩阵变量有未出现对应分类实例的情况。总结了表5中的结果，总体准确度为99.57%。在总攻击实例中检测到真实攻击流量的百分比为99.52%，将正常流量分类为异常的总体误报率为0.26%，表现出了很好的网络安全事件识别性能。