《表1 实验处理设计:多通道自编码器深度学习的入侵检测方法》
为了评估所提入侵检测方法的有效性,本文方法在Python 3.7中使用Keras 2.3库和TensorFlow进行测试,并将测试结果与深度神经网络(deep neural networks,DNN)[1]、自学入侵检测系统(self-taught learning intrusion detection systems,STL-IDS)[10]、Grayscale[13]、CNN-1D[14]、宽线性分类器与深层神经网络组合模型(wide linear classifier&deep neural network combined model,WnD)[15]和改进的密度峰值聚类算法与深度置信网络(modified density peak clustering algorithm and deep belief networks,MDPCA-DBN)[16]等现有的深度学习入侵检测方法进行对比。对于测试数据集,使用Hyperopt库中的树状结构Parzen估计器算法进行超参数优化,其中使用20%的训练集作为验证集。而且测试数据使用最小-最大缩放器进行缩放。表1给出了实现最佳验证损失的参数配置。
图表编号 | XD00200906400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 杨杰、唐亚纯、谭道军、刘小兵 |
绘制单位 | 湖南科技学院电子与信息工程学院、湖南科技学院电子与信息工程学院、湖南科技学院电子与信息工程学院、湖南科技学院电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |