天津理工大学学报

2020, v.36;No.162(05) 20-25+38

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

轻量级卷积神经网络架构在入侵检测上的应用
Application of lightweight convolutional neural network in intrusion detection

陈思;王怀彬;柳爽;

摘要(Abstract):

针对当前卷积神经网络在入侵检测领域的效率低,误报率高等问题,提出一种新型的轻量级卷积神经网络.通过将SqueezeNet网络模型中Fire模块中的3×3卷积核替换成一组深度可分离的3×1与1×3的卷积核,并构建SpeedNet网络结构,替换模型卷积获得变形结构.实验结果表明,与传统的CNN网络架构相比,不降低精确度的情况下,提高了检测效率.

关键词(KeyWords): 入侵检测;卷积神经网络;轻量级;SpeedNet

Abstract:

Keywords:

基金项目(Foundation): 天津市科技重大专项(16YDIJGX00210)

作者(Author): 陈思;王怀彬;柳爽;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享