一种深度学习与决策树融合的网络入侵检测模型及方法

本申请公开一种深度学习与决策树融合的网络入侵检测模型及方法，其模型包括融合了简化卷积神经网络的第一决策树、改进卷积神经网络以及第二决策树；第一决策树包括根节点和叶节点，每个节点包括一个简化卷积神经网络；改进卷积神经网络依次包括第一卷积层、第一自定义混合池化层、第二卷积层、第二自定义混合池化层、第三卷积层和展平层；第二决策树由经典决策树分类器实现。为解决现有技术中深度神经网络模型的训练效率较低，训练时间太长，难以满足实时攻击检测的需求，本申请设计了可离线运行的第一决策树结构；同时，本申请设计了第二决策树，将其与改进卷积神经网络相结合，提高了模型的整体精度，改善了模型的泛化能力。