基于深度学习的复杂网络实时Sybil攻击检测算法

• 作者: 李扬 王春明
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 表示学习 深度学习 极限学习机 社交网络 网络安全 深度神经网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 算法
• 页码范围: 300-306
• 页数: 7页
• 分类号: TP391.9
• 字数: 5769字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.07.051

摘要

针对复杂网络中Sybil攻击检测速度较慢的问题,提出一种基于深度学习的复杂网络实时Sybil攻击检测方案.从网络中采集数据,提取合适的特征;通过深度学习技术预测网络中的攻击行为.基于多层核极限学习机的深度学习技术包括无监督表示学习与监督特征分类两个阶段.通过低秩逼近法计算近似的经验核映射,代替原极限学习机随机生成的隐层.将经验核映射-自动编码的栈式自编码器作为表示学习,对极限学习机的时间效率与存储成本实现了显著的提高.基于实际社交数据的实验结果表明,该方案有效地降低了Sybil攻击的检测时间,并且保持了较好的检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王春明	南通大学计算机科学与技术学院	24	66	5.0	8.0
2	李扬	江苏商贸职业学院电子与信息学院	13	40	2.0	6.0