海量数据环境下用于入侵检测的深度学习方法

• 作者: 贺毅岳 高妮 高岭
• 来源期刊: 计算机应用研究
• 关键词: 入侵检测 深度学习 支持向量机 深度信念网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 信息安全技术
• 页码范围: 1197-1200
• 页数: 4页
• 分类号: TP309.2
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.04.050

摘要

针对传统浅层机器学习方法无法有效解决海量入侵数据的分类问题,提出了一种基于深度信念网络的多类支持向量机入侵检测(DBN-MSVM)方法.该方法利用深度信念网络对大量高维、非线性的无标签原始数据进行特征降维,从而获得原始数据的最优低维表示;利用二叉树构造多类支持向量机分类器,并对获得的最优低维表示进行网络攻击行为识别.最后在KDD'99数据集上进行实验仿真,DBN-MSVM方法可缩短支持向量机分类器的训练时间和测试时间,提高了海量入侵数据的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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	西北大学经济管理学院	30	244	9.0	15.0
3	高妮	西安财经学院信息学院	8	120	4.0	8.0