基于ADASYN與改進(jìn)殘差網(wǎng)絡(luò)的入侵流量檢測識(shí)別

摘要： 針對現(xiàn)有入侵流量檢測模型分類準(zhǔn)確率低、小樣本特征提取不足等問題，提出了一種基于自適應(yīng)合成采樣和Inception-Resnet模塊的改進(jìn)殘差網(wǎng)絡(luò)算法。該算法能夠?qū)Σ黄胶鈹?shù)據(jù)集進(jìn)行采樣優(yōu)化，有效提升模型的小樣本特征提取能力。首先，通過對不平衡的數(shù)據(jù)訓(xùn)練集進(jìn)行過采樣改善數(shù)據(jù)分布，然后對非數(shù)據(jù)部分進(jìn)行獨(dú)熱編碼處理并與數(shù)據(jù)部分整合，降低預(yù)處理復(fù)雜度，最后利用改進(jìn)殘差網(wǎng)絡(luò)模型進(jìn)行數(shù)據(jù)訓(xùn)練...