面向入侵检测系统的DeepBeliefNets模型

【类型】期刊

【作者】高妮 高岭 贺毅岳 

【刊名】系统工程与电子技术

【关键词】 入侵检测 深度信念网络 神经网络

【资助项】国家自然科学基金（61373176，61572401）资助课题

【摘要】连续的网络流量会导致海量数据问题,这为入侵检测提出了新的挑战。为此,提出一种面向入侵检测系统的深度信念网络(deep belief nets oriented to the intrusion detection system,DBN-IDS)模型。首先,通过无监督的、贪婪的算法自底向上逐层训练每一个受限玻尔兹曼机(restricted Boltzmann machine,RBM)网络,使得大量高维、非线性的无标签数据映射为最优的低维表示;然后利用带标签数据被附加到顶层,通过反向传播(back propagation,BP)算法自顶向下有监督地对RBM网络输出的低维表示进行分类,并同时对RBM网络进行微调;最后,利用NSLKDD数据集对模型参数和性能进行了深入的分析。实验结果表明,DBN-IDS分类效果优于支持向量机(support vector machine,SVM)和神经网络(neural network,NN),适用于高维、非线性的海量入侵数据的分类处理。

【年份】2016

【期号】第9期

【页码】2201-2207

【作者单位】西北大学信息科学与技术学院；西安财经学院信息学院；西北大学经济管理学院

【全文挂接】获取全文