基于SSAE-PNN算法的网络入侵检测研究

• 作者: 熊雨坤 王怀彬
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 网络入侵检测 SSAE-PNN 自编码器 概率神经网络 特征提取
• 年，卷（期）: 2019,（5）
• 页码范围: 6-11
• 页数: 6页
• 分类号: TP393.0
• 字数: 5230字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2019.05.002

摘要

针对常用的入侵检测算法的收敛速度慢和误报率高的问题,本文提出一种基于栈式稀疏自编码器(SSAE)和概率神经网络(PNN)的入侵检测方法.首先,使用栈式稀疏自编码器对数据进行特征提取,获得低维、深层次的特征集,从而降低检测结果的误报率;然后,使用收敛速度快的概率神经网络对特征集分类,减少了训练模型的时间.本文使用NSL-KDD数据集对模型进行验证,实验结果表明,与其他入侵检测算法相比,SSAE-PNN模型取得了更优秀的检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王怀彬	天津理工大学计算机科学与工程学院	41	139	7.0	10.0
2	熊雨坤	天津理工大学计算机科学与工程学院	1	0	0.0	0.0