基于自编码网络和聚类的入侵检测技术

• 作者: 万良 周康
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 模糊C均值 遗传算法 限制玻尔兹曼机 自编码网络 特征降维 双向映射
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 安全与防范
• 页码范围: 107-111
• 页数: 5页
• 分类号: TP301.6
• 字数: 4654字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.05.023

摘要

针对模糊C均值聚类算法的入侵检测方法易陷入局部最优,受时间和空间复杂度约束,检测速率低并且使用原始数据集容易陷入"维度灾难"等问题,提出了一种基于自编码网络(AN)特征降维结合遗传算法(GA)优化模糊C均值算法的聚类模型(AN-GA-FCM).该模型采用多层限制玻尔兹曼机(RBM)将高维、非线性的数据双向映射到低维空间,建立高维空间到低维空间的自编码网络,进而使用自编码网络权值微调重构低维空间数据的最优高维表示.并利用遗传算法优化的FCM初始聚类中心,避免目标函数陷入局部最优.将得到的特征降维数据集通过GA-FCM进行分类并在KDD'99数据集上进行检测,通过与PCA,SVM,Softmax等传统算法的实验对比,结果表明,该模型具有较高的入侵检测准确率和较低的分类检测时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万良	贵州大学软件与理论研究所	37	125	6.0	8.0
2	周康	贵州大学计算机科学与技术学院	6	2	1.0	1.0