基于分层自适应主动学习策略的入侵检测系统

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。