期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
面向CNN和RNN改进的物联网入侵检测模型 被引量：11
1
作者 李晓佳 赵国生 +1 位作者 汪洋 宁可 《计算机工程与应用》 CSCD 北大核心 2023年第14期242-250,共9页
针对卷积神经网络的原始池化层存在信息丢失的问题和循环神经网络在处理长序列数据时存在梯度消失的问题,提出了基于卷积和循环神经网络改进的物联网入侵检测模型。通过格拉姆角场图像化方式对时间序列数据图像化,为数据作为入侵检测模... 针对卷积神经网络的原始池化层存在信息丢失的问题和循环神经网络在处理长序列数据时存在梯度消失的问题,提出了基于卷积和循环神经网络改进的物联网入侵检测模型。通过格拉姆角场图像化方式对时间序列数据图像化,为数据作为入侵检测模型的输入做好准备,由SoftPool池化层代替原始的池化层;将多头自注意力机制中的多头结构应用于循环神经网络中,循环神经网络选择参数较少的双向门控循环单元。以TON-IoT物联网数据集作为基准数据集进行试验,试验部分主要包括图像化方式的选择、池化层组合的选择和多头双向门控循环单元层头数的选择,仿真试验结果显示选择格拉姆角和场、SoftPool+SoftPool的池化层组合和三头结构的模型在多分类上在准确率、精确率、检测率、F1得分和假阳性率上的性能最优,并且精确率、检测率、F1得分和假阳性率优于现有模型至少0.14、0.09、0.13和0.08。 展开更多
关键词 物联网 入侵检测 格拉姆角场 多头结构 softpool池化层
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部