《表4 几种入侵检测方法的性能对比》
从表4可以看出,IDBN-SC方法在不同的数据集上的准确率分别为96.43%、98.65%、97.37%、98.24%,相比较其他四种方法准确率平均提高3.02个百分点。而IDBN-SC方法在不同数据集上的分类处理时间分别为6.87 s、10.56 s、14.64 s、18.73 s,相比softmax方法平均缩短5.58 s,相比IDBN-SVM方法平均缩短2.77 s。实验结果表明IDBN-SC方法在准确率上显著提高了网络入侵数据的识别能力,极大地缩短了softmax分类器的训练时间。SVM分类器的时间复杂度是其输入向量的指数函数,softmax分类器的时间复杂度是其输入向量的一次函数,ADT分类器的时间复杂度与其输入向量和树的深度有关,NN算法的时间复杂度与其输入向量和网络层数有关。因此,通过IDBN进行特征降维,IDBN-SC方法有效地减少分类器输入向量维数,以缩短网络数据分类的处理时间。
图表编号 | XD00222620300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.15 |
作者 | 汪盼、宋雪桦、王昌达、陈锋、徐夏强、蔡冠宇 |
绘制单位 | 江苏大学计算机科学与通信工程学院、江苏大学计算机科学与通信工程学院、江苏大学计算机科学与通信工程学院、江苏仅一联合智造有限公司、江苏仅一联合智造有限公司、镇江市丹徒区科学技术局 |
更多格式 | 高清、无水印(增值服务) |