典型文献
基于ECA-ResNet的入侵检测模型研究
文献摘要：
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.
文献关键词：
ResNet;通道注意力;卷积神经网络
中图分类号：
作者姓名：
郝宽;李昊;姜伟
作者机构：
哈尔滨师范大学 计算机科学与信息工程学院,黑龙江 哈尔滨150025
文献出处：
引用格式：
[1]郝宽;李昊;姜伟-.基于ECA-ResNet的入侵检测模型研究)[J].企业科技与发展,2022(12):28-30
A类：
B类：
ResNet,入侵检测模型,习用,习作,计算机视觉,出色,够学,学习数据,残差结构,增强模型,ECANet,网络入侵检测,数据不平衡,模型检测,SMOTETomek,混合采样,采样算法,小样本数据,未处理,实验对比,精确率,通道注意力
AB值：
0.353979
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。
