计算机工程

作者：丁龙斌, 伍忠东, 苏佳丽

单位：兰州交通大学 电子与信息工程学院, 兰州 730070

关键词：入侵检测,卷积神经网络,深度学习,随机森林,深度森林

基金：甘肃省高等学校协同创新团队项目（2017C-09）；兰州市科技计划项目（2018-1-51）。

基于卷积神经网络（CNN）的入侵检测方法在实际应用中模型训练时间过长、超参数较多、数据需求量大。为降低计算复杂度，提高入侵检测效率，提出一种基于集成深度森林（EDF）的检测方法。在分析CNN的隐藏层结构和集成学习的Bagging集成策略的基础上构造随机森林（RF）层，对每层中RF输入随机选择的特征进行训练，拼接输出的类向量和特征向量并向下层传递迭代，持续训练直至模型收敛。在NSL-KDD数据集上的实验结果表明，与CNN算法相比，EDF算法在保证分类准确率的同时，其收敛速度可提升50%以上，证明了EDF算法的高效性和可行性。

来源：2020年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第3期