摘要
本发明公开了一种基于图嵌入加权宽度网络的网络入侵检测方法,包括:收集网络入侵检测数据并进行预处理;使用预处理后的网络入侵检测数据计算样本构建一个图嵌入矩阵;利用预处理后的网络入侵数据计算类惩罚权重;将得到的图嵌入矩阵和类惩罚权重加入到一个宽度神经网络中,得到一个改进的宽度神经网络,称为图嵌入加权宽度网络;使用训练后的图嵌入加权宽度网络对待测的网络入侵检测数据进行分类,得到分类结果。本发明通过利用宽度网络高效的训练方式和高精确性优点的同时,引入图嵌入技术提高了对网络入侵数据的分类能力,并使用自适应加权惩罚矩阵加强宽度网络在训练过程中对少数类的关注,有助于提高网络入侵检测数据分类的准确性。
技术关键词
网络入侵检测方法
宽度神经网络
矩阵
拉普拉斯
节点
正则化参数
密度
样本
K近邻算法
表达式
缩放参数
数据标签
生成特征
非线性
数据分类
代表
系统为您推荐了相关专利信息
状态识别方法
膝关节
三维结构
三角面片网格模型
医学图像数据
导航定位数据
深度图像数据
双目可见光相机
数据集构建方法
红外相机
矩阵
注释方法
样本
平衡技术
Sigmoid函数