基于DBN-KELM的入侵检测算法

• 作者: 伍忠东 汪洋 火忠彩
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度学习 深度信念网络 特征提取 核极限学习机 入侵检测
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 安全技术
• 页码范围: 171-175,182
• 页数: 6页
• 分类号: TP393
• 字数: 3503字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0052314

摘要

传统机器学习算法需要人工构建样本特征,处理海量多源异构网络入侵数据时分类效果较差.针对该问题,结合深度信念网络(DBN)和核极限学习机(KELM),提出一种混合深度学习入侵检测算法DBN-KELM.利用DBN提取高维网络历史数据的抽象特征,获得原始数据的低维表示形式.在此基础上,通过KELM对低维表示的数据做监督学习,达到准确识别网络攻击的目的.在NSL-KDD数据集上进行仿真,实验结果表明,DBN-KELM算法能够提高分类准确率,降低对小样本攻击的误报率,同时缩短分类器的训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪洋	兰州交通大学电子与信息工程学院	21	121	8.0	10.0
2	伍忠东	兰州交通大学电子与信息工程学院	32	256	6.0	15.0
3	火忠彩	兰州交通大学电子与信息工程学院	1	4	1.0	1.0