基于DBN和TSVM的混合入侵检测模型研究

• 作者: 张克君 鲜敏
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 深度学习 入侵检测 深度信念网络 偏二叉树 对支持向量机
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 安全技术
• 页码范围: 313-317,333
• 页数: 6页
• 分类号: TP309
• 字数: 4382字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.05.056

摘要

针对传统机器学习方法在处理大规模入侵数据的检测精度低和检测速度慢等问题,提出一种基于深度学习的混合入侵检测模型DBN-PBT-TSVM.该模型利用深度信念网络DBN(Deep Belief Network)减少特征集的维度,获得原始数据集的最优的低维表示;综合对支持向量机TSVM(Twin Support Vector Machine)和偏二叉树的优势,构造了一种基于偏二叉树的对支持向量机多类分类器,对网络入侵数据进行识别.基于KDDCUP'99数据集实验比较的结果表明,DBN-PBT-TSVM模型实现了在保证分类性能的同时,还显著地降低了检测时间,尤其是在处理大规模数据时效果更明显,为入侵检测在处理大规模数据时提供了一种全新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张克君	北京电子科技学院计算机科学与技术系	16	61	5.0	7.0
5	鲜敏	西安电子科技大学计算机学院	1	0	0.0	0.0