我正在尝试使用Keras开发基于深度学习的入侵检测系统 .
我们模拟了一个NORMAL网络流量，我用CSV文件（网络数据包字段的数字数据集（IP源，端口等））准备了它 . 但我没有ABNORMAL（恶意）数据包来训练神经网络 .
我搜索了类似的问题，我发现Autoencoder在无监督学习中是一个很好的方法，但问题是我是深度学习的新手，我只发现了这个例子https://blog.keras.io/building-autoencoders-in-keras.html他们在图像数据集上使用Autoencoder .
我想使用自动编码器（或在我的情况下有用的任何东西）和数字CSV数据集，以预测传入的数据包是正常的还是恶意的 .
有什么建议？
1 回答
我找到了答案：
您可以使用例如将数值数据集加载到python中numpy加载文字 . 然后，指定编码器和解码器网络（基本上只使用Keras层模块来设计神经网络） . 确保编码器的输入层接受您的数据，并且解码器的输出层具有相同的尺寸 . 然后，再次使用Keras损失指定适当的损失函数（最小二乘，交叉熵等） . 最后，使用（惊奇！）Keras优化器指定优化器 .
多数民众赞成，你做完了！点击“运行”，然后观察你的自动编码器自动编码（因为这就是自动编码器的作用） . 如果你想要一个关于如何构建它的精彩教程 .