原文服务方: 计算机应用研究       
摘要:
为解决网络入侵检测问题,提高检测准确率和降低误报率,提出一种基于深度迁移学习的网络入侵检测方法,该方法使用非监督学习的深度自编码器来进行迁移学习,实现网络的入侵检测.首先对深度迁移学习问题进行建模,然后对深度模型进行迁移学习.迁移学习框架由嵌入层和标签层实现编/解码,编码和解码权重由源域和目标域共享,用于知识的迁移.嵌入层中,通过最小化域之间的嵌入实例的KL散度来强制源域和目标域数据的分布相似;在标签编码层中,使用softmax回归模型对源域的标签信息进行编码分类.实验结果表明,该方法能够实现网络入侵检测,且性能优于其他入侵检测方法.
推荐文章
基于深度学习的入侵检测算法
深度学习
网络安全
入侵检测
卷积神经网络
可视化处理
KDD CUP99
基于机器学习算法的网络入侵检测
网络安全
入侵行为
机器学习算法
入侵检测
分类器
检测误差
基于深度序列加权核极限学习的入侵检测算法
深度信念网络
序列学习
核极限学习
样本加权
入侵检测
基于二次决策的深度学习入侵检测模型
深度学习
入侵检测
自动编码器
特征学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度迁移学习的网络入侵检测
来源期刊 计算机应用研究 学科
关键词 深度自编码器 迁移学习 入侵检测 嵌入层 标签层
年,卷(期) 2020,(9) 所属期刊栏目 信息安全技术
研究方向 页码范围 2811-2814
页数 4页 分类号 TP391
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2019.05.0147
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 卢明星 1 0 0.0 0.0
2 杜国真 1 0 0.0 0.0
3 季泽旭 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (119)
共引文献  (118)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(12)
  • 参考文献(0)
  • 二级参考文献(12)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(7)
  • 参考文献(0)
  • 二级参考文献(7)
2013(9)
  • 参考文献(0)
  • 二级参考文献(9)
2014(24)
  • 参考文献(0)
  • 二级参考文献(24)
2015(20)
  • 参考文献(0)
  • 二级参考文献(20)
2016(9)
  • 参考文献(0)
  • 二级参考文献(9)
2017(11)
  • 参考文献(10)
  • 二级参考文献(1)
2018(5)
  • 参考文献(5)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度自编码器
迁移学习
入侵检测
嵌入层
标签层
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导