一种基于DBN的网络入侵检测算法

被引：11

作者：

徐东辉 ^{[1
]}

王勇 ^{[2
]}

樊汝森 ^{[1
]}

机构：

[1] 上海电力学院电子与信息工程学院

[2] 上海电力学院计算机科学与技术学院

来源：

上海电力学院学报 | 2013年 / 29卷 / 06期

关键词：

深度学习; 神经网络; 入侵检测; 网络安全;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

摘要：

针对传统BP神经网络在检测速度、精度、复杂度等方面的缺陷,提出了一种基于深度信念网(deep beliefnets,DBN)的网络入侵检测算法,将数据通过双层RBM结构降维,再用BP神经网络反向微调结构参数,从而简化了数据复杂度,减少了BP神经网络的计算量.通过对KDD99数据集仿真实验表明,该算法对于大数据拟合快,检测精度较高.

引用

收藏

页码：589 / 592

页数：4

相关论文

共 5 条

[1]

一种基于KPCA和BP神经网络的多核入侵检测分类系统的研究 [J].

刘继清 ;

徐明 .

江苏科技大学学报(自然科学版), 2011, 25 (06) :602-605

[2]

基于云模型和BP神经网络的入侵检测 [J].

张锏 .

传感器与微系统, 2011, (01) :116-118+122

[3]

基于聚类的入侵检测研究综述 [J].

肖敏 ;

韩继军 ;

肖德宝 ;

吴峥 ;

徐慧 .

计算机应用, 2008, (S1) :34-38+42

[4]

基于模糊积分的多神经网络融合在入侵检测中的应用 [J].

刘玉玲 ;

杜瑞忠 .

河北大学学报(自然科学版), 2008, (03) :312-317

[5]

A fast learning algorithm for deep belief nets [J].

Hinton, Geoffrey E. ;

Osindero, Simon ;

Teh, Yee-Whye .

NEURAL COMPUTATION, 2006, 18 (07) :1527-1554