-
题名基于优化数据处理的深度信念网络模型的入侵检测方法
被引量：46
- 1
-
-
作者
陈虹
万广雪
肖振久
-
机构
辽宁工程技术大学软件学院
-
出处
《计算机应用》
CSCD
北大核心
2017年第6期1636-1643,1656,共9页
-
基金
辽宁省教育厅科学技术研究项目(LJYL052)~~
-
文摘
针对目前网络中存在的对已知攻击类型的入侵检测具有较高的检测率,但对新出现的攻击类型难以识别的缺陷问题,提出了一种基于优化数据处理的深度信念网络(DBN)模型的入侵检测方法。该方法在不破坏已学习过的知识和不严重影响检测实时性的基础上,分别对数据处理和方法模型进行改进,以解决上述问题。首先,将经过概率质量函数(PMF)编码和MaxMin归一化处理的数据应用于DBN模型中;然后,通过固定其他参数不变而变化一种参数和交叉验证的方式选择相对最优的DBN结构对未知攻击类型进行检测;最后,在NSL-KDD数据集上进行了验证。实验结果表明,数据的优化处理能够使DBN模型提高分类精度,基于DBN的入侵检测方法具有良好的自适应性,对未知样本具有较高的识别能力。在检测实时性上,所提方法与支持向量机(SVM)算法和反向传播(BP)网络算法相当。
-
关键词
入侵检测
优化数据处理
深度学习
深度信念网络
未知攻击检测
-
Keywords
intrusion detection
optimization of data processing
deep learning
Deep Belief Network （DBN）
unknownattack detection
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
-
题名深度学习模型下多分类器的入侵检测方法
被引量：7
- 2
-
-
作者
陈虹
陈建虎
肖成龙
万广雪
肖振久
-
机构
辽宁工程技术大学软件学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2019年第7期1123-1133,共11页
-
基金
国家自然科学基金No.61404069~~
-
文摘
针对海量数据环境下,传统智能化入侵检测方法检测性能较差的问题,提出了一种深度信念网络(deep belief networks,DBN)下一对一(one-versus-one)梯度提升树(gradient boosting decision tree,GBDT)的多分类器入侵检测方法(DBN-OGB)。该方法首先利用深度信念网络从高维、复杂的入侵检测数据中提取出低维、具有代表性的特征数据;然后利用一对一法,在任意两类特征数据之间构建一个梯度提升树分类器;接着利用各个分类器对未知网络攻击进行识别,得票最多的类别即为该攻击的类别;最后利用NSL-KDD数据集进行仿真实验。实验结果显示DBN-OGB方法的平均准确率和检测率都高于99%,相较于DBN-MSVM(deepbelief nets based multi-class support vector machine)方法其准确率和检测率分别提升0.56%和1.03%,表明DBN-OGB是一种有效、可行的入侵检测方法,且提高了对海量入侵数据的检测性能。
-
关键词
入侵检测
深度学习
反向传播神经网络
梯度提升树
-
Keywords
intrusion detection
deep learning
back propagation neural network
gradient boosting decision tree
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
