《表6 在KDDTest+与KDDTest-21测试集上的结果对比》

  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

《一种数据增强与混合神经网络的异常流量检测》

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

第一个实验中，使用KDDTrain+作为训练集训练模型，本文模型与文献[13，14，19]在测试集上的分类准确率如表所示．从表6中可以看出本文模型在测试集KDDTest+，KD-DTest-21上的分类准确率均高于传统的机器学习模型以及CNN与RNN模型，达到了86.75%与80.07%．表明单独使用CNN模型提取空间特征，或者RNN模型提取时序特征存在一定的局限性．本文模型将二者相结合，在分类准确率上有了更进一步的提升．由于在本文模型中使用了非线性激活函数Re LU与SGD优化算法，使得在检测难度较大的KDDTest-21测试集得到了不错的检测结果，进一步说明了本文模型在面对复杂与未知的网络异常流量时有着优异的识别能力．