摘要
由于入侵检测数据集的不平衡性,造成少数类的检出率较低,为进一步检测入侵数据中少数类型,提出了一种基于融合型神经网络的入侵检测方法,首先基于特征重要性方法随机森林模型选择出重要的特征集,其次结合卷积神经网络空间感知能力和门控循环网络时序特征提取的优势,将二者计算结果进行合并形成隐层特征,最后将隐层特征输出映射到样本标记空间并进行分类计算,不仅提高了总体性能,而且一定程度上改善了对小样本的检测效果。
出处
《网络安全技术与应用》
2023年第11期29-31,共3页
Network Security Technology & Application
基金
广东省教育厅特色创新类项目(2021KTSCX208)
广州市基础与应用基础研究项目(202002030266)。
