基于分层自适应主动学习策略的入侵检测系统 |
| |
引用本文: | 谷朝阳,王亮亮,李晋国,王雪妍.基于分层自适应主动学习策略的入侵检测系统[J].计算机工程与设计,2023(3):699-706. |
| |
作者姓名: | 谷朝阳 王亮亮 李晋国 王雪妍 |
| |
作者单位: | 上海电力大学计算机科学与技术学院 |
| |
基金项目: | 国家自然科学基金项目(61802249、U1936213); |
| |
摘 要: | 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。
|
关 键 词: | 入侵检测系统 主动学习 自适应 基于探索和开发的指数加权算法 样本成本 增量微调神经网络 分层 |
|
|