基于深度学习的入侵检测研究

• 作者: 杨桂芳 魏明军
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 异常入侵 深度置信网络 对比散度算法 特征提取 网络安全
• 年，卷（期）: 2019,（2）
• 页码范围: 180-181
• 页数: 2页
• 分类号: TP393

摘要

为提高网络异常入侵的检测效果,针对传统BP神经网络在检测速度、精度、复杂度等方面的缺陷,提出一种基于深度置信网络的入侵检测方法,该方法通过双层RBM结构降维,再用BP神经网络反向微调结构参数,以达到简化数据复杂度的目的,减少了BP神经网络的计算量。它对传统对比散度训练算法进行了改进,提出了一种改进的对比算法,提高对最优特征的选择结果。仿真实验结果表明,新的网络入侵检测方法较传统的训练算法,能够获得更好的入侵特征提取结果。因此,新的网络入侵检测方法提高了异常入侵检测的检测率,加强了网络安全。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏明军		15	22	2.0	4.0
2	杨桂芳		2	1	1.0	1.0