為了在攻擊形式多樣化、入侵?jǐn)?shù)據(jù)海量及多維化的環(huán)境中快速、準(zhǔn)確地識別網(wǎng)絡(luò)攻擊,提出了一種融合Fisher-PCA特征提取與深度學(xué)習(xí)的入侵檢測算法。通過Fisher特征選擇算法選出重要的特征組成特征子集,然后基于主成分分析法（Principal component analysis,PCA）將特征子集進(jìn)行降維,提取出了分類能力強(qiáng)的特征集。構(gòu)建了一種新的深度神經(jīng)網(wǎng)絡(luò)（Deep neural networks,DNN）模型對網(wǎng)絡(luò)攻擊數(shù)據(jù)和正常數(shù)據(jù)進(jìn)行識別與分類。在KDD99數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),結(jié)果表明:與傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)（Artificial neural network,ANN）和支持向量機(jī)（Support vector machine,SVM）算法相比,這種入侵檢測算法的準(zhǔn)確率分別提高了12.63%和6.77%,誤報(bào)率由原來的2.31%和1.96%降為0.28%;與DBN4和PCA-CNN算法相比,在準(zhǔn)確率和檢測率保持基本相同的同時(shí)有著更低的誤報(bào)率。 

【文章來源】：數(shù)據(jù)采集與處理. 2020,35(05)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

基本流程圖

Re LU激活函數(shù)

累計(jì)貢獻(xiàn)率與維數(shù)關(guān)系圖

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的隨機(jī)森林分類器網(wǎng)絡(luò)入侵檢測方法[J]. 夏景明,李沖,談玲,周剛.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(08)
[2]基于PCA的人臉識別系統(tǒng)的設(shè)計(jì)與改進(jìn)[J]. 李夢瀟,姚仕元.  計(jì)算機(jī)科學(xué). 2019(S1)
[3]基于信息增益與主成分分析的網(wǎng)絡(luò)入侵檢測方法[J]. 王旭仁,馬慧珍,馮安然,許祎娜.  計(jì)算機(jī)工程. 2019(06)
[4]基于主成分分析和卷積神經(jīng)網(wǎng)絡(luò)的入侵檢測方法研究[J]. 李兆峰.  現(xiàn)代信息科技. 2019(10)
[5]基于ICA算法與深度神經(jīng)網(wǎng)絡(luò)的入侵檢測模型[J]. 劉敬浩,毛思平,付曉梅.  信息網(wǎng)絡(luò)安全. 2019(03)
[6]基于Fisher-FCBF的入侵特征選擇算法的研究[J]. 王浩,石研.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(15)
[7]基于SMOTE和GBDT的網(wǎng)絡(luò)入侵檢測方法研究[J]. 封化民,李明偉,侯曉蓮,徐治理.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的入侵檢測算法[J]. 胡明霞.  計(jì)算機(jī)工程. 2012(06)

博士論文
[1]機(jī)器學(xué)習(xí)方法在入侵檢測中的應(yīng)用研究[D]. 解男男.吉林大學(xué) 2015

碩士論文
[1]融合網(wǎng)絡(luò)攻擊特征學(xué)習(xí)的入侵檢測技術(shù)研究[D]. 常夢云.浙江工商大學(xué) 2019



本文編號：3638626