一种基于卷积神经网络的入侵检测方法

摘要

在网络流量较大及复杂入侵环境下,传统入侵检测系统检测能力弱且精度低.针对此问题,提出一种基于卷积神经网络的检测方法CNN-Focal.利用卷积神经网络对数据进行特征提取,使用Softmax回归进行多分类,并采用Focal loss损失函数解决NSL-KDD数据集不平衡的问题.实验结果表明,CNN-Focal的精度与F1评分分别达到79.25％和76.9％,与其他机器学习算法相比,其精度和F1评分有显著提高.