摘 要: | 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。
|