基于改进的深度信念网络的入侵检测方法

• 作者: 宋雪桦 徐夏强 汪盼 王昌达 蔡冠宇 陈锋
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 受限玻尔兹曼机 入侵检测 深度信念网络 softmax分类器 自适应学习速率 特征学习
• 年，卷（期）: 2020,（20）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 87-92
• 页数: 6页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1908-0223

摘要

针对传统入侵检测方法很难快速准确地从海量无标签网络数据中提取特征信息以识别异常入侵,提出了基于改进的深度信念网络的softmax分类(IDBN-SC)入侵检测方法.利用改进的DBN对原始网络数据进行无监督特征学习,引入自适应学习速率减少训练网络模型所需要的时间;采用softmax分类器对获得的降维数据进行网络攻击类型识别.在NSL-KDD数据集上进行测试,相比其他入侵检测方法,实验结果表明IDBN-SC方法不仅识别准确率平均提高3.02％,而且其softmax分类器训练时间平均缩短5.58 s.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王昌达		50	237	9.0	13.0
2	宋雪桦		42	365	11.0	18.0
3	汪盼		4	0	0.0	0.0
4	陈锋		2	14	1.0	2.0
5	徐夏强		1	0	0.0	0.0
6	蔡冠宇		1	0	0.0	0.0