基于Adam-BNDNN的网络入侵检测模型
来源：计算机测量与控制杂志2020年第2期北京时间：
作者：何梦乙,覃仁超,刘建兰,熊健,唐风扬
单位：西南科技大学计算机科学与技术学院
摘要：针对传统入侵检测算法检测精度低、误报率高等问题，提出了一种融合批量规范化和深度神经网络的网络入侵检测模型。该模型首先在深度神经网络隐藏层添加批量规范化层，优化隐藏层的输出结果，然后采用Adam自适应梯度下降优化算法对BNDNN参数进行自动优化，提高模型检测能力。并使用NSL-KDD数据集进行仿真实验，结果表明该模型的检测效果优于SNN、KNN、DNN等检测方法；整体检测率可达99.41%，整体误报率为0.59%，证明了模型的可行性。
关键词：入侵检测;深度神经网络;批量规范化;NSL数据集
基金资助：国防基础科研计划资助（JCKY2017404C004），四川省教育厅(17zd1119),四川省教育厅(18sxb022),四川省组织部(17sjjg02)。
