10.19734/j.issn.1001-3695.2019.05.0147
基于深度迁移学习的网络入侵检测
为解决网络入侵检测问题,提高检测准确率和降低误报率,提出一种基于深度迁移学习的网络入侵检测方法,该方法使用非监督学习的深度自编码器来进行迁移学习,实现网络的入侵检测.首先对深度迁移学习问题进行建模,然后对深度模型进行迁移学习.迁移学习框架由嵌入层和标签层实现编/解码,编码和解码权重由源域和目标域共享,用于知识的迁移.嵌入层中,通过最小化域之间的嵌入实例的KL散度来强制源域和目标域数据的分布相似;在标签编码层中,使用softmax回归模型对源域的标签信息进行编码分类.实验结果表明,该方法能够实现网络入侵检测,且性能优于其他入侵检测方法.
深度自编码器、迁移学习、入侵检测、嵌入层、标签层
37
TP391(计算技术、计算机技术)
2016年河南省教育厅高等学校青年骨干教师培养计划资助项目2016GGJS-285
2020-10-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
2811-2814