科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对网络入侵检测领域的问题，提出在传统的BP神经网络中引入Dropout(神经网络训练技术)操作，增强网络模型的鲁棒性和泛化能力。实验采用了MIT LL DARPA数据集进行训练和测试，评估了引入Dropout的BP神经网络在网络入侵检测中的性能。实验结果表明，引入Dropout的BP神经网络在准确率、精确率和召回率等指标上取得了良好的效果，对多种网络入侵行为具有有效的检测能力。这一研究结果为网络入侵检测领域的深度学习(deep learning, DL)方法提供了有益的探索和实践。
-
单位南京工程高等职业学校
