基于DBN-ELM的入侵检测研究

• 作者: 刘厚泉 赵志凯 魏思政
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度学习 深度信念网络 极限学习机 混合模型 入侵检测 无监督
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 安全技术
• 页码范围: 153-158
• 页数: 6页
• 分类号: TP391
• 字数: 4704字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0047591

摘要

为了有效解决海量复杂数据的入侵检测分类问题,基于深度信念网络(DBN)和极限学习机(ELM),提出一种新的入侵检测方法.使用DBN对大量复杂无标签的原始数据进行特征提取,得到高度抽象的重要特征,再用ELM完成最终的分类工作.结合DBN自动提取特征的能力和ELM快速学习且泛化性好的优势,提高入侵检测识别率和运行效率.实验结果表明,与原始的DBN、ELM以及DBN-SVM方法相比,该方法具有更优的精确度和运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘厚泉	中国矿业大学计算机科学与技术学院	65	512	11.0	20.0
2	赵志凯	中国矿业大学物联网感知矿山研究中心	12	46	5.0	6.0
3	魏思政	中国矿业大学计算机科学与技术学院	2	15	2.0	2.0