计算机工程与应用

2020, v.56;No.963(20) 87-92

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进的深度信念网络的入侵检测方法
Intrusion Detection Method Based on Improved Deep Belief Network

汪盼;宋雪桦;王昌达;陈锋;徐夏强;蔡冠宇;

摘要(Abstract):

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。

关键词(KeyWords): 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

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划(No.2017YFC1600804);; 国家自然科学基金(No.61672269)

作者(Author): 汪盼;宋雪桦;王昌达;陈锋;徐夏强;蔡冠宇;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享