基于ECA-ResNet的入侵检测模型研究

随着网络技术的不断普及，人们的生活变得十分便利。入侵检测作为网络安全的一项重要技术，随着机器学习的发展，很多学者将机器学习用于入侵检测。深度学习作为当下的热门研究领域，在计算机视觉方面有着出色的表现，卷积神经网络能够学习数据的特征，对数据进行分类。由于ResNet通过增加残差结构在卷积神经网络中能够增强模型的稳定性，文章提出一种基于ECANet-ResNet的网络入侵检测模型。现在的很多数据集都存在数据不平衡的问题，导致模型检测结果不理想，文章使用SMOTETomek混合采样算法对数据集进行处理，增大小样本数据的比例，结果显示比未处理的数据集准确率有所提高。通过实验对比分析，此模型具有较高的准确率、精确率和F1值。