基于ICA算法与深度神经网络的入侵检测模型

• 作者: 付晓梅 刘敬浩 毛思平
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 独立成分分析 入侵检测 深度神经网络 特征降维
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 等级保护
• 页码范围: 1-10
• 页数: 10页
• 分类号: TP309
• 字数: 6387字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2019.03.001

摘要

针对网络数据的特征维数高、非线性可分等问题,文章提出了一种基于独立成分分析ICA与深度神经网络DNN的入侵检测模型ICA-DNN.首先,利用ICA算法将网络连接数据基于极大非高斯性进行特征提取,并将数据从高维特征空间映射到低维空间,消除特征冗余性.然后使用深度神经网络进行分类,深度神经网络采用ReLU激活函数和交叉熵损失函数以及adam优化算法.ICA-DNN模型不仅能减少特征冗余性,还能抓取特征之间的内部结构.实验表明,基于ICA-DNN的入侵检测模型与一些浅层机器学习模型比较具有更好的特征学习能力和更精确的分类能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘敬浩	天津大学电气自动化与信息工程学院	23	90	5.0	8.0
2	付晓梅	天津大学海洋科学与技术学院	39	125	6.0	8.0
3	毛思平	天津大学电气自动化与信息工程学院	1	1	1.0	1.0