融合GRU的循环神经网络模型在网络入侵识别中的应用

作     者：李海生 LI Haisheng

作者机构：济源职业技术学校河南济源459000 

出 版 物：《信息与电脑》 (Information & Computer)

年 卷 期：2022年第34卷第11期

页      码：46-48页

摘      要：针对大规模复杂数据集的入侵检测问题,本文设计了一种融合门控循环单元(Gated Recurrent Units,GRU)的循环神经网络模型。循环神经网络结构的中间层设计采用了全连接方式,使输入信息能够得到充分交换;用GRU替代传统的神经元结构,减少了原有模型的参数数量,同时提高循环神经网络模型的收敛性能;入侵检测中以均方误差函数作为模型的损失函数,并对输入数据集做无量纲化处理和归一化处理,确保数值训练过程中损失值不断降低,以提高对恶意数据的识别准确率。实验数据表明:本文提出的算法多层次输入维度稳定,测试集中的入侵检测识别准确率高于99.20%,与两种传统入侵检测算法相比具有更高的收敛性能。

主 题 词：GRU 循环神经网络 入侵检测 无量纲化处理 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

馆 藏 号：203114465...