为进一步降低样本成本并加快模型收敛速度,提出基于探索和开发的指数加权算法(exponential-weight algorithm for exploration and exploitation,EXP3)和增量微调卷积神经网络(fine-tuning convolutional neural networks,FCNN)的入侵...为进一步降低样本成本并加快模型收敛速度,提出基于探索和开发的指数加权算法(exponential-weight algorithm for exploration and exploitation,EXP3)和增量微调卷积神经网络(fine-tuning convolutional neural networks,FCNN)的入侵检测系统(EXP3-FCNN)。利用EXP3算法自适应选择最佳主动学习策略,代替单一的主动学习算法,提高样本质量;利用增量微调卷积神经网络提取流量数据更深层次的特征;使用AWID数据集作为实验数据。实验结果表明,该方案在保证模型精确度、召回率等性能指标的基础上,降低了样本成本,提高了模型的收敛效率。展开更多
文摘为进一步降低样本成本并加快模型收敛速度,提出基于探索和开发的指数加权算法(exponential-weight algorithm for exploration and exploitation,EXP3)和增量微调卷积神经网络(fine-tuning convolutional neural networks,FCNN)的入侵检测系统(EXP3-FCNN)。利用EXP3算法自适应选择最佳主动学习策略,代替单一的主动学习算法,提高样本质量;利用增量微调卷积神经网络提取流量数据更深层次的特征;使用AWID数据集作为实验数据。实验结果表明,该方案在保证模型精确度、召回率等性能指标的基础上,降低了样本成本,提高了模型的收敛效率。
