典型文献
基于辅助熵减的神经常微分方程入侵检测模型
文献摘要：
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熵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熵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.
文献关键词：
入侵检测;熵减损失;常微分方程;NSL-KDD
中图分类号：
作者姓名：
张兴兰;付娟娟
作者机构：
北京工业大学信息学部,北京 100124
文献出处：
引用格式：
[1]张兴兰;付娟娟-.基于辅助熵减的神经常微分方程入侵检测模型)[J].信息网络安全,2022(06):1-8
A类：
神经常微分方程,ODENet,熵减损失
B类：
入侵检测模型,高深,深度学习模型,检测效率,极大地提高,信息瓶颈,特征降维,分类任务,标签平滑,泛化能力,NSL,KDD,试得,检测准确率
AB值：
0.187892
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。
