基于深度信念网络的入侵检测模型

• 作者: 任杰 贺毅岳 高全力 高妮 高岭
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: 入侵检测 深度信念网络 限制玻尔兹曼机 深层学习
• 年，卷（期）: 2015,（3）
• 页码范围: 339-346
• 页数: 8页
• 分类号: TP393.08
• 字数: 1718字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2015.03.007

摘要

研究了入侵检测系统中海量数据分类的问题．讨论了深度信念网络（DBN）的原理，提出了基于 DBN的入侵检测模型．DBN 由多层无监督的限制玻尔兹曼机（RBM）网络和一层有监督的反向传播（BP）网络构成．该入侵检测模型采用一种快速、贪婪的方法对 DBN 网络进行预训练，利用对比分歧算法逐层训练每一个 RBM 网络；然后，利用有监督的 BP 算法对整个 DBN 网络进行微调，并同时对 RBM 网络输出的低维特征进行入侵数据分类．基于 KDD CUP 1999数据集的实验结果表明，使用3层以上的 DBN 模型分类效果优于自组织映射和神经网络方法．因此，DBN 是一种有效且适用于高维特征空间的入侵检测方法．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高岭	西北大学信息科学与技术学院	96	1019	17.0	28.0
2	贺毅岳	西北大学信息科学与技术学院	30	244	9.0	15.0
6	高妮	西北大学信息科学与技术学院	16	185	8.0	13.0
7	高全力	西北大学信息科学与技术学院	10	142	5.0	10.0
8	任杰	西北大学信息科学与技术学院	7	38	3.0	6.0