基于知识蒸馏的不平衡数据下入侵检测方法研究OACSTPCD
基于深度学习的网络入侵检测模型面临模型结构复杂、部署效率低及流量数据类别不平衡的问题.针对这些问题,提出了1种结合知识蒸馏和类别权重焦点损失的网络入侵检测方法.该方法以精度高、参数量较多的入侵检测模型作为教师模型,与小型学生模型生成蒸馏损失;引入增加类别权重的焦点损失函数作为学生损失;结合蒸馏损失与学生损失生成总的损失函数优化学生模型.实验结果表明,该方法性能相较于非蒸馏模型在各项指标上均有一定提升.
董国芳;刘兵;鲁烨堃;
云南民族大学电气信息工程学院,云南昆明650500
计算机与自动化
入侵检测深度学习知识蒸馏不平衡数据焦点损失
《云南民族大学学报（自然科学版）》 2024 (002)
P.219-224 / 6
评论