基于深度学习的入侵检测研究
为提高网络异常入侵的检测效果,针对传统BP神经网络在检测速度、精度、复杂度等方面的缺陷,提出一种基于深度置信网络的入侵检测方法,该方法通过双层RBM结构降维,再用BP神经网络反向微调结构参数,以达到简化数据复杂度的目的,减少了BP神经网络的计算量.它对传统对比散度训练算法进行了改进,提出了一种改进的对比算法,提高对最优特征的选择结果.仿真实验结果表明,新的网络入侵检测方法较传统的训练算法,能够获得更好的入侵特征提取结果.因此,新的网络入侵检测方法提高了异常入侵检测的检测率,加强了网络安全.
异常入侵、深度置信网络、对比散度算法、特征提取、网络安全
15
TP393(计算技术、计算机技术)
2019-04-08(万方平台首次上网日期,不代表论文的发表时间)
共2页
180-181