基于DBN和SOFTMAX的网络入侵检测模型

摘要：

针对目前对于网络入侵检测准确率不高的问题,本文提出一种基于深度置信网络(Deep Belief Networks,DBN)和SOFTMAX的入侵检测模型.该模型可以自动地对网络信息进行拦截、处理并进行入侵检测.为了验证该模型的有效性,本文将KDD CUP 99-10%和KDD CUP 99-Correct数据集作为实验对象,总正确率分别达到了99.67%和99.42%.通过对比实验,将DBN和BP神经网络,TANN等算法进行对比,实验结果证明DBN-SOFTMAX相较于其他算法具有更高的检测效果.

关键词：网络安全、入侵检测模型、深度置信网络、SOFTMAX

所属期刊栏目：50

分类号：TP393.08(计算技术、计算机技术)

资助基金：军委装备发展部预研基金资助项目YYZF1707-07

在线出版日期：2019-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：274-276,349