小样本环境下基于融合残差网络的入侵数据特征提取

摘要

针对小样本环境下已有入侵数据特征提取算法存在的训练性能差、检测误报率高等问题，设计了一种融合残差网络的特征提取算法.首先对小样本数据进行预处理，降低输入数据的维数；其次利用残差模块堆栈构成卷积层，提升模型的数据训练能力和对小样本数据的特征提取能力，基于长短时记忆网络模型的门控机制，实时调整和控制输入数据特征的流量损失；最后采用最小目标函数法优化最终的特征分类结果.实验结果显示：融合残差网络的数据集检测时间短，在60次内可完成迭代，针对不同类型攻击的检测精确率均值在97%以上.

关键词

小样本 / 融合残差网络 / 入侵检测 / 长短时记忆网络 / 门控机制