基于深度信念网络的入侵检测模型

• 作者: 杨昆朋
• 来源期刊: 现代计算机（普及版）
• 关键词: 深度学习 入侵检测 深度信念网络 特征降维 支持向量机
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 研究与开发
• 页码范围: 10-14
• 页数: 5页
• 字数: 3648字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2015.02.003

摘要

针对传统入侵检测方法在检测速度、精度、复杂度等方面的缺陷，提出一种基于深度信念网络的支持向量机入侵检测模型（DBN-SVM）。该模型利用两层的限制玻尔兹曼机进行结构降维，再用BP神经网络反向微调结构参数，从而获得原始数据的相应最优表示。利用支持向量机对数据进行网络入侵的识别。通过对NSL-KDD数据集仿真实验表明， DBN-SVM模型是一种可行的、高效的入侵检测模型，为入侵检测提供一种全新的思路。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨昆朋	北京交通大学计算机与信息技术学院	4	16	1.0	4.0