摘要
针对现有网络入侵检测方法存在的检测率低,防御性能不足等问题,提出了一种基于深度残差网络模型的大规模数据集入侵检测与防护方法。大数据时代的主要特征是数据总量的海量性和数据结构的复杂性。为提升算法的数据训练性能,在卷积层采用残差块的结构设计,恒等映射赋予每个卷积层以同等重要的作用,同时能够有效解决循环神经网络存在的梯度问题,卷积层采用的激活函数为ReLU函数。引入注意力机制模块优化深度残差网络模型全连接,进一步提升了算法模型训练能力。实验结果显示,提出的入侵检测方法在训练集和测试集上的查准率、查全率等指标,都优于现有的入侵检测方法。
出处
《电脑编程技巧与维护》
2025年第4期160-162,172,共4页
Computer Programming Skills & Maintenance
