面向入侵检测系统的 Deep Belief Nets 模型

• 作者: 贺毅岳 高妮 高岭
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 入侵检测 神经网络 深度信念网络
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 软件、算法与仿真
• 页码范围: 2201-2207
• 页数: 7页
• 分类号: TP393
• 字数: 6135字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2016.09.33

摘要

连续的网络流量会导致海量数据问题，这为入侵检测提出了新的挑战。为此，提出一种面向入侵检测系统的深度信念网络（deep belief nets oriented to the intrusion detection system，DBN-IDS）模型。首先，通过无监督的、贪婪的算法自底向上逐层训练每一个受限玻尔兹曼机（restricted Boltzmann machine，RBM）网络，使得大量高维、非线性的无标签数据映射为最优的低维表示；然后利用带标签数据被附加到顶层，通过反向传播（back propagation， BP）算法自顶向下有监督地对 RBM 网络输出的低维表示进行分类，并同时对 RBM 网络进行微调；最后，利用 NSL-KDD 数据集对模型参数和性能进行了深入的分析。实验结果表明，DBN-IDS 分类效果优于支持向量机（support vector machine，SVM）和神经网络（neural network，NN），适用于高维、非线性的海量入侵数据的分类处理。

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