基于LSTM-DNN模型的入侵检测方法 |
| |
引用本文: | 李梦歌,王海珍.基于LSTM-DNN模型的入侵检测方法[J].高师理科学刊,2023(1):38-41. |
| |
作者姓名: | 李梦歌 王海珍 |
| |
作者单位: | 齐齐哈尔大学计算机与控制工程学院 |
| |
基金项目: | 黑龙江省高等教育教学改革研究项目(SJGY20200770,SJGY20190710);;齐齐哈尔大学教育科学研究项目(ZD201802); |
| |
摘 要: | 针对基于深度神经网络模型的入侵检测方法存在的梯度减弱或消失问题,提出了一种LSTM(Long-Short Term Memory,长短时记忆)神经网络改进的DNN(Deep Neural Networks,深度神经网络)模型.该模型主要包括LSTM神经网络和DNN2部分,LSTM神经网络通过记忆或遗忘进行数据流量特征提取,然后将其输入DNN进行训练、入侵检测.模型中采用优化算法,加快了网络收敛.实验表明,与LSTM模型相比,LSTM-DNN模型具有较好的性能,准确率更高,运行时间更短.
|
关 键 词: | 长短时记忆神经网络 深度神经网络 入侵检测 优化算法 |
|
|