《表5 KDDTest-21测试集的混淆矩阵》

  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

《改进的基于BiLSTM的网络入侵检测方法》

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

在所给的3个数据集中，改进的基于BiLSTM的网络入侵检测模型在KDDTrain训练集上的准确率为99.51%，在KDDTest+数据集的准确率为86.18%，在KDDTest-21数据集的准确率为76.96%，对比其它机器学习算法，该模型有较高的准确率和较好的泛化能力。RF，SVM等机器学习算法在该数据集中的准确度较低，并给出了基于RNN的入侵检测模型在NSL-KDD数据集上的准确率[8]。实验中给出了改进的基于BiLSTM的网络入侵检测模型在NSL-KDD数据集的测试结果，在图3中做一个全面的对比，表4给出了该模型在KDDTest+测试集上的混淆矩阵，表5给出了该模型在KDDTest-21测试集上的混淆矩阵。最后可以观察到改进的基于BiLSTM的网络入侵检测模型所获得的准确率最高，同时计算出模型在KDDTest+数据集中的召回率为79.15%，误报率为9.17%。