《表1 模型各层参数:基于深度学习的入侵检测研究》
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。
图表编号 | XD0079760000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.15 |
作者 | 张露璐、刘勇 |
绘制单位 | 沈阳理工大学信息科学与工程学院、沈阳理工大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |