基于神经网络模型的网络入侵检测的研究

摘要

门限循环单元是一种循环神经网络模型的变体,它改进了长短期记忆模型。经验表明,循环神经网络被广泛应用于不同类型的机器学习场景中,在解决自然语言处理、语音识别、文本分类等问题均良中有好表现。通常情况下,循环神经网络模型会使用Softmax函数作为顶层分类器,用交叉熵函数计算损失。在判断网络数据是否为恶意入侵数据这项任务中,可以使用二分类器节省计算开销。因此,对传统模型予以改进,用线性支持向量机取代Softmax函数作为模型的顶层分类器,用基于边界的损失函数取代交叉熵函数。实验结果表明,改进的模型在提升准确率和时间复杂度方面比传统模型表现好。