公开(公告)号：CN113887718B

公开(公告)日：2024-04-26

申请号：CN202111025966.7

申请日：2021-09-02

Applicant: 哈尔滨工业大学

Inventor： 赵志衡 ,  刘洋 ,  申志超 ,  胡琦渊

IPC: G06N3/082 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种基于相对激活率的通道剪枝方法和装置及轻量级流量特征提取网络模型简化的方法，属于深度学习中的轻量化网络技术领域，解决现有入侵检测模型中的参数冗余问题。本发明的剪枝方法包括：建立轻量级流量特征提取网络模型；备份该模型的所有层的权重；获取隐藏层通道特征图；计算单元训练轻量级流量特征提取网络模型的每个通道的平均相对激活率；对单元通道进行剪枝；对单元剪枝后的轻量级流量特征提取网络模型进行微调，获取单元微调后的轻量级流量特征提取网络模型的测试平均精准率；获取最优剪枝率；完成对所有激活层对应的通道进行剪枝。本发明适用于对网络入侵的检测模型的改进。

公开(公告)号：CN113887718A

公开(公告)日：2022-01-04

申请号：CN202111025966.7

申请日：2021-09-02

Applicant: 哈尔滨工业大学

Inventor： 赵志衡 ,  刘洋 ,  申志超 ,  胡琦渊

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于相对激活率的通道剪枝方法和装置及轻量级流量特征提取网络模型简化的方法，属于深度学习中的轻量化网络技术领域，解决现有入侵检测模型中的参数冗余问题。本发明的剪枝方法包括：建立轻量级流量特征提取网络模型；备份该模型的所有层的权重；获取隐藏层通道特征图；计算单元训练轻量级流量特征提取网络模型的每个通道的平均相对激活率；对单元通道进行剪枝；对单元剪枝后的轻量级流量特征提取网络模型进行微调，获取单元微调后的轻量级流量特征提取网络模型的测试平均精准率；获取最优剪枝率；完成对所有激活层对应的通道进行剪枝。本发明适用于对网络入侵的检测模型的改进。