針對(duì)海量多源異構(gòu)且數(shù)據(jù)分布不平衡的網(wǎng)絡(luò)入侵檢測問題以及傳統(tǒng)深度學(xué)習(xí)算法無法根據(jù)實(shí)時(shí)入侵情況在線更新其輸出權(quán)重的問題,提出了一種基于深度序列加權(quán)核極限學(xué)習(xí)的入侵檢測算法（DBN-WOS-KELM算法）。該算法先使用深度信念網(wǎng)絡(luò)DBN對(duì)歷史數(shù)據(jù)進(jìn)行學(xué)習(xí),完成對(duì)原始數(shù)據(jù)的特征提取和數(shù)據(jù)降維,再利用加權(quán)序列核極限學(xué)習(xí)機(jī)進(jìn)行監(jiān)督學(xué)習(xí)完成入侵識(shí)別,結(jié)合了深度信念網(wǎng)絡(luò)提取抽象特征的能力以及核極限學(xué)習(xí)機(jī)的快速學(xué)習(xí)能力。最后在部分KDD99數(shù)據(jù)集上進(jìn)行了仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明DBN-WOS-KELM算法提高了對(duì)小樣本攻擊的識(shí)別率,并且能夠根據(jù)實(shí)際情況在線更新輸出權(quán)重,訓(xùn)練效率更高。 

【文章來源】：計(jì)算機(jī)應(yīng)用研究. 2020,37(03)北大核心CSCD

【文章頁數(shù)】：4 頁

【部分圖文】：

DBN-WOS-KELM總體框架

RBM結(jié)構(gòu)模型

不同DBN深度下的檢測結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于深度信念網(wǎng)絡(luò)的入侵檢測模型（英文）[J]. 高妮,高嶺,賀毅岳,高全力,任杰.  Journal of Southeast University（English Edition）. 2015(03)

碩士論文
[1]基于深度信念網(wǎng)絡(luò)的入侵檢測算法研究[D]. 逯玉婧.河北師范大學(xué) 2016
[2]基于深度學(xué)習(xí)的入侵檢測[D]. 楊昆朋.北京交通大學(xué) 2015



本文編號(hào)：3296798