【摘要】 鉴于自动编码器(AutoEncoder)网络在特征学习上的优势,以及残差网络(ResNet)构建深层模型在分类领域的成熟应用,结合这两种深度学习模型提出了一种新的网络入侵检测方法,来解决传统方法检测准确率低的问题。该方法先用预处理后的数据通过自编码网络重构误差进行特征提取,然后用提取后的特征对设计的残差网络进行训练,最后用训练好的模型对测试集进行分类检测。实验结果在准确率、真正率和误报率方面都有较好表现,表明了基于自编码器和残差网络(AutoEncoder-ResNet)模型的有效性和可行性。更多还原