图共 5个 表共 4
    • 图  1  密集连接入侵检测模型框架

      Figure 1. 

    • 图  2  3个密集连接模块的完整密集连接神经网络

      Figure 2. 

    • 图  3  一个5层密集连接模块

      Figure 3. 

    • 图  4  在KDD 99数据集上不同条件下的检测准确率

      Figure 4. 

    • 图  5  不同损失函数下的5种特征类型检测准确率

      Figure 5. 

    • 攻击类型备注
      Dos拒绝服务攻击
      R2l远程主机的未授权访问
      U2r授权的本地超级用户特权访问
      Probe端口监视或扫描

      表 1  4种攻击类型

    • 层结构输出尺寸46层网络结构62层网络结构102层网络结构126层网络结构
      卷积层24×243×3卷积,步长=2
      密集连接块112×12$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 4$$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 6$$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 12$$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 12$
      过渡层112×121×1卷积
      6×62×2平均池化
      密集连接块26×6$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 6$$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 10$$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 24$ $\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 24$
      过渡层26×61×1卷积
      3×32×2平均池化
      密集连接块33×3$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 10$$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 12$$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 12$$\left[ \begin{array}{l} {\rm{1}} \times {\rm{1conv}} \\ {\rm{3}} \times {\rm{3conv}} \\ \end{array} \right] \times 24$
      特征分类层1×13×3全局平局池化
      1×1250D全连接
      1×11000维损失函数层

      表 2  密集连接卷积神经网络具体结构

    • 模型准确率AC误报率FA
      本文98.761.32
      LeNet92.180.97
      IBIDM92.940.76
      IRes97.232.73
      MSCNN92.368.08

      表 3  本文实验模型数据与其他模型结果对比(%)

    • 模型准确率AC召回率Recall
      本文0.9730.915
      LSTM-RESNET[14]0.9650.695
      文献[15]0.8720.928
      cPCA-AMSOM[16]0.9460.944

      表 4  NSL-KDD数据集在不同模型下的准确率和召回率