人工智能安全：原理与实践 课件 第7章 长短期记忆网络的安全应用(7.2基于双向LSTM模型的网络攻击检测-实践)_第1页
人工智能安全：原理与实践 课件 第7章 长短期记忆网络的安全应用(7.2基于双向LSTM模型的网络攻击检测-实践)_第2页
人工智能安全：原理与实践 课件 第7章 长短期记忆网络的安全应用(7.2基于双向LSTM模型的网络攻击检测-实践)_第3页
人工智能安全：原理与实践 课件 第7章 长短期记忆网络的安全应用(7.2基于双向LSTM模型的网络攻击检测-实践)_第4页
人工智能安全：原理与实践 课件 第7章 长短期记忆网络的安全应用(7.2基于双向LSTM模型的网络攻击检测-实践)_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

李剑博士，教授，博士生导师网络空间安全学院lijian@January23,2025第7章长短期记忆网络的安全应用实践7-1基于双向LSTM模型的网络攻击检测本实践介绍本小节编程实践内容主要是使用双向LSTM模型对网络攻击进行检测。1.实验内容实践的过程如下：2.实践目的本实践内容的目的如下：（1）熟悉网络攻击检测的一般性流程，理解双向LSTM的基本原理。（2）设计简易的双向LSTM模型，完成程序设计。（3）结果可视化，对性能结果进行观察。3.实践过程第1步：导入相关库和函数3.实践过程第2步：定义常量NUMBER_OF_SAMPLES：定义要从每个数据集中读取的样本数量。TRAIN_LEN：定义LSTM模型的输入序列长度（时间步数）。3.实践过程第3步：数据加载从CSV文件中加载攻击流量和正常流量的数据集，各取50000条样本。3.实践过程第4步：设置列名第5步：删除无关列第6步：定义特征第7步：提取特征标签X和标签Y第8步：标准化第9步：转换标签第10步：准备LSTM输入数据第11步：划分训练集和测试集第12步：创建模型第13步：训练模型第14步：绘制准确率和损失图第15步：模型预测第16步：混淆矩阵第17步：保存模型第18步：评估模型第19步：保存预测结果4.实践结果1.对模型结果进行评估，测试并给出准确率和损失率以及混淆矩阵运行brnn_classifier.py文件。可以看到，模型在测试集上的评估结果为：准确率(Accuracy)97.25%，召回率(Recall)99%。4.实践结果训练过程中准确率的变化：训练过程中准确率和验证准确率都在逐渐上升，表明模型在逐步学习并改进其对数据的预测能力。4.实践结果训练过程中损失的变化：训练损失和验证损失在逐渐下降，表明模型在减少训练数据和验证数据上的预测误差。小结本小节讲述

人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论