| 海量数据环境下用于入侵检测的深度学习方法 |
| |
| 引用本文： | 高妮,贺毅岳,高岭.海量数据环境下用于入侵检测的深度学习方法[J].计算机应用研究,2018,35(4). |
| |
| 作者姓名： | 高妮 贺毅岳 高岭 |
| |
| 作者单位： | 西安财经学院 信息学院,西北大学 经济管理学院,西北大学 信息科学与技术学院 |
| |
| 基金项目： | 国家自然科学(61373176, 61572401)；教育部人文社会科学研究青年项目(16XJC630001)；陕西省自然(2015JQ7278) |
| |
| 摘 要： | 针对传统浅层机器学习方法无法有效解决海量入侵数据的分类问题,提出了一种基于深度信念网络的多类支持向量机入侵检测方法(DBN-MSVM)。首先,该方法利用深度信念网络对大量高维、非线性的无标签原始数据进行特征降维,从而获得原始数据的最优低维表示；然后,利用二叉树构造多类支持向量机分类器,并对获得的最优低维表示进行网络攻击行为识别。最后在KDD’ 99数据集上进行实验仿真,DBN-MSVM方法可缩短支持向量机分类器的训练时间和测试时间,提高了海量入侵数据的分类准确率。
|
| 关 键 词： | 入侵检测 深度学习 支持向量机 |
| 收稿时间： | 2016/11/7 0:00:00 |
| 修稿时间： | 2018/2/23 0:00:00 |
Deep learning method for intrusion detection in massive data |
| |
| GAO Ni,HE Yi-yue and GAO Ling.Deep learning method for intrusion detection in massive data[J].Application Research of Computers,2018,35(4). |
| |
| Authors: | GAO Ni HE Yi-yue and GAO Ling |
| |
| Abstract: | |
| |
| Keywords: | intrusion detection deep learning support vector machine |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
