首页 > 技术文献 > 基于辅助嫡减的神经常微分方程入侵检测模型

基于辅助嫡减的神经常微分方程入侵检测模型
2022-10-28 16:03:15 来源：点击：

文档介绍

摘要:为了提高深度学习模型入侵检测任务的检测效率和分类的准确性，文章提出一种基于辅助嫡减的神经常微分方程（E-ODENet)入侵检测模型。该入侵检测模型通过参数常微分方程定义连续的隐藏状态，不需要再分层传播梯度与更新参数，减少了内存的消耗，极大地提高了效率。使用信息瓶颈进行特征降维，提取与分类任务相关的主要信息，同时使用标签平滑和嫡减损失来提高模型的泛化能力和准确性。在NSL-KDD数据集上进行训练和测试，测试得到的检测准确率为99.76%，证明该模型优于其他入侵检测模型。