基于深度学习的支持向量机的信息安全检测和预警研究

• 作者: 王贵喜
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 深度学习 支持向量机 信息安全 深度置信网络 误报率 准确率
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 研究与设计
• 页码范围: 36-39,43
• 页数: 5页
• 分类号: TG4
• 字数: 3378字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2018.06.012

摘要

为提高复杂环境下网络入侵检测的准确率和降低误报率,提出了一种基于深度置信网络和支持向量机的网络信息安全检测算法.运用DBN提取大量复杂的网络入侵特征属性数据的主要特征个,之后运用SVM进行网络入侵检测.研究结果表明,与DBN和SVM相比,DBN-SVM进行网络入侵检测具有更高的检测准确率和更低的误报率,为网络入侵检测和预警提供新的方法和途径.