《表3 针对不同攻击类型的性能比较》

  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

《基于改进的深度信念网络的入侵检测方法》

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

%

从表3可以看出，IDBN-SC方法对Normal、Do S、R2L、U2L和Probe的识别准确率分别是98.34%、97.25%、83.47%、78.12%和96.26%，相比其他四种方法准确率平均提高7.49个百分点。IDBN-SC方法对Normal、Do S、R2L、U2L和Probe的误报率分别是0.87%、1.23%、10.49%、17.12%、2.94%，误报率平均降低6.01个百分点。IDBN-SC方法利用IDBN模型保留网络数据的关键重要特征，去除冗余特征，实现高维特征向量的特征提取，同时softmax分类器支持类别互斥的数据分类。因此，实验结果表明IDBN-SC方法在对不同入侵行为的检测准确率方面要高于其他四种分类方法，且更能精确检测网络入侵行为。