为了提升入侵检测的准确率,鉴于自编码器在学习特征方面的优势以及残差网络在构建深层模型方面的成熟应用,提出一种基于特征降维的改进残差网络入侵检测模型(improved residual network intrusion detection model based on feature dim...为了提升入侵检测的准确率,鉴于自编码器在学习特征方面的优势以及残差网络在构建深层模型方面的成熟应用,提出一种基于特征降维的改进残差网络入侵检测模型(improved residual network intrusion detection model based on feature dimensionality reduction,IRFD),进而缓解传统机器学习入侵检测模型的低准确率问题。IRFD采用堆叠降噪稀疏自编码器策略对数据进行降维,从而提取有效特征。利用卷积注意力机制对残差网络进行改进,构建能提取关键特征的分类网络,并利用两个典型的入侵检测数据集验证IRFD的检测性能。实验结果表明,IRFD在数据集UNSW-NB15和CICIDS 2017上的准确率均达到99%以上,且F1-score分别为99.5%和99.7%。与基线模型相比,提出的IRFD在准确率、精确率和F1-score性能上均有较大提升。展开更多
故障数据的缺失一直是制约设备故障诊断发展的重要因素,现有研究通过刻意损坏设备的方法来采集故障数据。为实现座椅电机的无损故障诊断,文章对座椅电机的故障机理进行分析,确定可能发生的故障类型,通过在座椅电机表面粘贴微型喇叭并播...故障数据的缺失一直是制约设备故障诊断发展的重要因素,现有研究通过刻意损坏设备的方法来采集故障数据。为实现座椅电机的无损故障诊断,文章对座椅电机的故障机理进行分析,确定可能发生的故障类型,通过在座椅电机表面粘贴微型喇叭并播放故障声音,来模拟故障的发生。在自编码器系统的基础上,引入卷积操作,使用卷积层代替全连接层,通过输入数据维度、卷积核的尺寸和数量以及池化、正则化等操作对模型结构进行调整。采用IDMT Isa Electric Engine数据集作为源域数据,对模型进行预训练。使用迁移学习方法将源域中已经学习到的数据分布迁移到座椅电机故障诊断任务中,并与各类模型检测结果进行对比。结果显示,文中方法在召回率保持1.00的情况下,曲线下面积达到0.86,检测结果可靠,具有实际应用价值。展开更多
文摘为了提升入侵检测的准确率,鉴于自编码器在学习特征方面的优势以及残差网络在构建深层模型方面的成熟应用,提出一种基于特征降维的改进残差网络入侵检测模型(improved residual network intrusion detection model based on feature dimensionality reduction,IRFD),进而缓解传统机器学习入侵检测模型的低准确率问题。IRFD采用堆叠降噪稀疏自编码器策略对数据进行降维,从而提取有效特征。利用卷积注意力机制对残差网络进行改进,构建能提取关键特征的分类网络,并利用两个典型的入侵检测数据集验证IRFD的检测性能。实验结果表明,IRFD在数据集UNSW-NB15和CICIDS 2017上的准确率均达到99%以上,且F1-score分别为99.5%和99.7%。与基线模型相比,提出的IRFD在准确率、精确率和F1-score性能上均有较大提升。
文摘故障数据的缺失一直是制约设备故障诊断发展的重要因素,现有研究通过刻意损坏设备的方法来采集故障数据。为实现座椅电机的无损故障诊断,文章对座椅电机的故障机理进行分析,确定可能发生的故障类型,通过在座椅电机表面粘贴微型喇叭并播放故障声音,来模拟故障的发生。在自编码器系统的基础上,引入卷积操作,使用卷积层代替全连接层,通过输入数据维度、卷积核的尺寸和数量以及池化、正则化等操作对模型结构进行调整。采用IDMT Isa Electric Engine数据集作为源域数据,对模型进行预训练。使用迁移学习方法将源域中已经学习到的数据分布迁移到座椅电机故障诊断任务中,并与各类模型检测结果进行对比。结果显示,文中方法在召回率保持1.00的情况下,曲线下面积达到0.86,检测结果可靠,具有实际应用价值。
