堆叠式非对称深度自编码器检测网络入侵

• 作者: 刘炜
• 来源期刊: 控制工程
• 关键词: 网络入侵检测 深度学习 非对称深度自编码器 分类器 随机森林
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 安全监控系统
• 页码范围: 1879-1885
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20200247

摘要

为了提高网络入侵检测(NID)系统的检测准确度,适应现代网络需求,提出一种入侵检测的深度学习方法.该方法利用堆叠式非对称深度自编码器(NDAE)构建深度学习分类模型,将堆叠式NDAE(深度学习)和随机森林(浅层学习)的优点相结合,以支持NID在现代网络中的运行.实验使用KDD Cup'99和NSL-KDD基准数据集对所提分类器进行评价.实验结果证明了所提方法的有效性,其分类器能够有效降低网络入侵检测的时间,精简数据特征,提高检测精度,实现了最高约5％的召回率提升和最高98.81％的训练时间缩减.