《表5 数据集3检测结果:基于深度序列加权核极限学习的入侵检测算法》
/%
各攻击样本的检测情况如表3~6所示,根据式(20)计算出样本检测结果的Gmean,结果如图4所示。实验结果表明DBN-KELM算法比原始的DBN算法检测率高,对训练样本加权过后的DBN-WKELM算法在尽可能少地牺牲大样本攻击类型的检测率的情况下,提高了对小样本类型攻击的检测率,在四个训练子数据集下检测结果的几何平均数Gmean均优于另外两种算法,弥补了传统入侵检测算法对大样本攻击类型识别率高而对小样本攻击识别率低的缺陷。
图表编号 | XD00133932000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 汪洋、伍忠东、朱婧 |
绘制单位 | 兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |