蚁景网安实验室

实验所属系列： 机器学习与网络安全

实验对象： 本科/专科信息安全专业

相关课程及专业： 计算机网络、操作系统

实验时数（学分）：2学时

实验类别： 实践实验类

1.常见深度神经网络模型

LeNet：1989年第一个CNN方法，为了解决手写数字识别而设计的。

AlexNet：它在2012年赢得了ImageNet挑战，是第一个使用CNN方法赢得ImageNet的网络。它拥有5个卷积层和3个全连接层。

Overfeat：它与AlexNet结构很相似，同样拥有5个卷积层和3个全连接层，区别是Overfeat的滤波器数量更多，所以准确度略有提升。

VGG-16：网络深度大大加深，达到16层，其中包含13个卷积层和3个全连接层。为了平衡网络层数加深而导致的成本增加，一个大的滤波器被分解为多个小的滤波器，来减小参数数量，并具有相同的感知野。VGG有两个模型，还有一个VGG-19的模型，比VGG-16的Top-5错误率低0.1%。如下图所示，为了减少参数，为了使感知野大小不变，使用两个较小的滤波器代替大的滤波器。

本次实验我们将会学习机器学习中深度神经网络相关算法思想与原理，之后会熟悉本次实验使用的垃圾邮件数据集结构，最后会通过编程实现DNN检测垃圾邮件。

服务器：kali

实验代码路径：桌面/ML_Security/DNN/