《表6 NSL-KDD五分类实验结果》
在五分类实验中,将攻击数据进一步细分为Dos、Probe、R2L、U2R共4个类别。数据预处理、参数设置和实验步骤与2.2节一致。共进行20次迭代训练。测试结果如表6所示。表6将本文方法实验结果同基于多层非对称深度自编码器(S-NDAE,表6中简称为NDAE)[2]的入侵检测方法在NSL-KDD五分类实验的结果进行了对比。dCNN模型在测试集上的混淆矩阵如图9所示。从表6的实验结果可以看出,本文方法除了查准率外,其他指标均获得了不错的提升,特别是在准确率(98%)、误报率(0.02%)上取得了相当不错的检测结果。从图9的混淆矩阵中可以直观地看出,本文方法在区分正常数据和攻击数据方面取得了不错的检测性能(仅2条误报、17条漏报),但在区分不同的攻击类型方面还有进一步提升的空间,特别是对R2L攻击类型的检测结果不是特别理想,还出现了17条攻击数据的漏检。
图表编号 | XD0039167200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 张思聪、谢晓尧、徐洋 |
绘制单位 | 贵州大学计算机科学与技术学院、贵州师范大学贵州省信息与计算科学重点实验室、贵州师范大学贵州省信息与计算科学重点实验室 |
更多格式 | 高清、无水印(增值服务) |