科研之友
微信
新浪微博
Facebook
分享链接
摘要
入侵检测作为一种主动防御系统能够有效阻止来自黑客的多种手段的攻击,随着机器学习和深度学习的发展,相关技术也开始应用到入侵检测中。本文在KDD-Cup 1999数据集的基础上,对其进行数据标准化和归一化,然后利用随机森林对数据集处理,计算每个特征的袋外数据误差(OOB),得到每个特征的重要性,提取出12个重要性最高的特征,并将数据集按照7/3随机划分为训练集与测试集,使用五层深度神经网络训练,三个隐藏层设置为100个节点,Re LU Leaky作为激活函数,使用Adam作为优化器,交叉熵作为代价函数,对处理后的数据集训练。以准确率(Accuracy),精确率(Precision),召回率(Recall)为模型的衡量指标,最终得到了精确率为94.87%,召回率为94.35%的模型。
- 单位
