《表6 在KDDTest+与KDDTest-21测试集上的结果对比》
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.
图表编号 | XD00141268000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 郭文忠 |
绘制单位 | 福州大学数学与计算机科学学院、福建省网络计算与智能信息处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |