基于知识蒸馏的不平衡数据下入侵检测方法研究 |
| |
作者姓名: | 董国芳 刘兵 鲁烨堃 |
| |
作者单位: | 云南民族大学电气信息工程学院 |
| |
基金项目: | 国家自然科学基金(61662089); |
| |
摘 要: | 基于深度学习的网络入侵检测模型面临模型结构复杂、部署效率低及流量数据类别不平衡的问题.针对这些问题,提出了1种结合知识蒸馏和类别权重焦点损失的网络入侵检测方法.该方法以精度高、参数量较多的入侵检测模型作为教师模型,与小型学生模型生成蒸馏损失;引入增加类别权重的焦点损失函数作为学生损失;结合蒸馏损失与学生损失生成总的损失函数优化学生模型.实验结果表明,该方法性能相较于非蒸馏模型在各项指标上均有一定提升.
|
关 键 词: | 入侵检测 深度学习 知识蒸馏 不平衡数据 焦点损失 |
|
|