《表1 模型各层参数：基于深度学习的入侵检测研究》

  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

《基于深度学习的入侵检测研究》

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

卷积神经网络模型部分选用改进的LeNet-5模型结构[1]。第一，由于输入矩阵较小，因此使用较小的3*3卷积核代替5*5卷积核。第二，网络流量数据边缘信息同样重要，为避免边缘信息丢失，在矩阵上下两侧进行零填充，使卷积前后的图像尺寸保持相同。第三，由于卷积神经网络提取到的特征需要输入到长短期记忆网络，因此只选用一层全连接层，将提取到的特征转化为一维向量。循环神经网络模型部分选用长短期记忆模型，在卷积和池化层上选择长短期记忆神经网络，可学习更高级别特征序列中的长程依赖性和时序性。基于以上分析，本文设计的入侵检测模型的各层参数如表1所示。