基于SMOTE和深度信念网络的异常检测

• 作者: 沈学利 覃淑娟
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 合成少数类过采样技术 深度信念网络 受限玻尔兹曼机 逻辑回归 入侵检测
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 网络空间安全
• 页码范围: 1941-1945
• 页数: 5页
• 分类号: TP393.08
• 字数: 4455字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018010178

摘要

针对现有海量非平衡数据集中少数类别样本入侵检测率低的问题,提出了一种基于合成少数类过采样技术(SMOTE)和深度信念网络(DBN)的异常检测(SMOTE-DBN)方法.首先,用SMOTE技术增加了少数类别样本的样本数;然后在预处理后的较平衡数据集上,用非监督的受限玻尔兹曼机(RBM)对预处理后的高维数据进行特征降维;其次,用反向传播(BP)算法微调模型参数,获得预处理后数据的较优低维表示;最后通过softmax分类器对较优低维数据进行分类.KDD1999数据集仿真实验表明,SMOTE优化处理能够提高模型对少数类别样本的检测率,在相同数据集上,SMOTE-DBN方法与DBN方法、支持向量机(SVM)方法相比,检测率分别提高了3.31个百分点和7.34个百分点,误报率分别降低了1.11个百分点和2.67个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈学利	辽宁工程技术大学电子与信息工程学院	61	373	10.0	17.0
2	覃淑娟	辽宁工程技术大学电子与信息工程学院	1	14	1.0	1.0