基于前馈神经网络的入侵检测模型

摘要

cqvip:由于入侵行为特征多样、网络环境复杂,导致基于深度学习的入侵检测方法容易出现模型复杂、灵活性差等问题。为此,文章提出基于前馈神经网络的入侵检测模型SFID,通过逐层削减神经元数量,整体化解决特征抽取和入侵分类问题,从而降低了入侵检测模型的训练复杂度。通过实验验证,模型在正确率相当的情况下比S-NDAE模型训练效率明显提高。