典型文献
基于改进差分进化算法的网络入侵检测方法
文献摘要：
为提高网络入侵检测模型的准确率或降低误报率,解决传统神经网络模型建模时间过长等问题,提出基于改进的差分进化算法的网络入侵检测模型GSDEGRU.首先使用SMOTE技术对数据进行平衡约简处理,其次将引力搜索算子加入到差分进化算法中优化GRU模型超参数,提高其全局寻优能力.最后通过GSDE-GRU神经网络算法对网络入侵数据进行识别并分类.实验结论表明,GSDEGRU神经网络模型准确率比传统的GRU模型高出1.9％,建模时间缩短了 322 s;准确率、精确率和召回率好于RNN、DNN等深度学习模型.
文献关键词：
网络入侵检测;门控循环单元神经网络;差分进化算法;引力搜索算法
中图分类号：
作者姓名：
徐瑶;代红;孙翘楚;孟迪
作者机构：
辽宁科技大学计算机与软件工程学院,辽宁鞍山 114051
文献出处：
引用格式：
[1]徐瑶;代红;孙翘楚;孟迪-.基于改进差分进化算法的网络入侵检测方法)[J].辽宁科技大学学报,2022(06):431-437
A类：
GSDEGRU,GSDE
B类：
改进差分进化算法,网络入侵检测,入侵检测方法,入侵检测模型,低误报率,SMOTE,约简,超参数,全局寻优,寻优能力,神经网络算法,实验结论,模型准确率,精确率,召回率,RNN,DNN,深度学习模型,门控循环单元神经网络,引力搜索算法
AB值：
0.237998
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
