《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》

  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

《多通道自编码器深度学习的入侵检测方法》

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

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。