10.19734/j.issn.1001-3695.2019.03.0149
基于ADBN的入侵检测方法
当下大多数入侵检测算法无法在入侵检测率和误报率之间取得较好的平衡,为了有效避免此类问题,提出了一种基于非对称深度信念网络的入侵检测方法.该方法首先通过训练深度信念网络初始化ADBN(asymmet-ric deep belief network)模型中编码器部分的参数,利用正态分布初始化解码器部分的参数.然后通过计算重构误差来调优ADBN模型的参数,使模型能获取原始数据的最优低维表征.最后以编码器得到的数据作为分类器的输入数据并对其进行检测,采用ADBN模型可以提取出更有利于分类的特征且能够在模型初始化阶段节省更多的测试时间.实验结果表明,该方法可以达到更好的检测性能,对小类别样本也达到了较好的检测准确率.
入侵检测、特征提取、非对称深度信念网络、编码器、解码器
37
TP309(计算技术、计算机技术)
国家自然科学基金资助项目;广西图像图形智能处理重点实验项目
2020-10-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
2797-2801