基于自编码网络特征降维的轻量级入侵检测模型

被引：59

作者：

高妮 ^{[1
,2
]}

高岭 ^{[1
]}

贺毅岳 ^{[3
]}

王海 ^{[1
]}

机构：

[1] 西北大学信息科学与技术学院

[2] 西安财经学院信息学院

[3] 西北大学经济管理学院

来源：

电子学报 | 2017年 / 45卷 / 03期

关键词：

特征降维; 自编码网络; 限制玻尔兹曼机; 支持向量机; 入侵检测;

D O I：

暂无

中图分类号：

TP393.08 []; TP18 [人工智能理论];

学科分类号：

0839 ; 1402 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于支持向量机(SVM)的入侵检测方法受时间和空间复杂度约束,在高维特征空间计算时面临"维数灾害"的问题.为此,本文提出一种基于自编码网络的支持向量机入侵检测模型(AN-SVM).首先,该模型采用多层无监督的限制玻尔兹曼机(RBM)将高维、非线性的原始数据映射至低维空间,建立高维空间和低维空间的双向映射自编码网络结构,进而运用基于反向传播网络的自编码网络权值微调算法重构低维空间数据的最优高维表示,从而获得原始数据的相应最优低维表示;最后,采用SVM分类算法对所学习到的最优低维表示进行入侵识别.实验结果表明,AN-SVM模型降低了入侵检测模型中分类的训练时间和测试时间,并且分类效果优于传统算法,是一种可行且高效的轻量级入侵检测模型.

引用

页码：730 / 739

页数：10

共 11 条

[1] 基于PSO-SVM的Modbus TCP通讯的异常检测方法
尚文利
张盛山
万明
曾鹏
[J]. 电子学报, 2014, 42 (11) : 2314 - 2320
[2] 深度学习的昨天、今天和明天
余凯
贾磊
陈雨强
徐伟
[J]. 计算机研究与发展, 2013, 50 (09) : 1799 - 1804
[3] CANN: An intrusion detection system based on combining cluster centers and nearest neighbors[J] . Wei-Chao Lin,Shih-Wen Ke,Chih-Fong Tsai.Knowledge-Based Systems . 2015
[4] Feature selection by multi-objective optimisation: Application to network anomaly detection by hierarchical self-organising maps[J] . Emiro de la Hoz,Eduardo de la Hoz,Andrés Ortiz,Julio Ortega,Antonio Martínez-álvarez.Knowledge-Based Systems . 2014
[5] Selection of Candidate Support Vectors in incremental SVM for network intrusion detection[J] . Roshan Chitrakar,Chuanhe Huang.Computers ＆ Security . 2014
[6] A novel hybrid KPCA and SVM with GA model for intrusion detection[J] . Fangjun Kuang,Weihong Xu,Siyang Zhang.Applied Soft Computing Journal . 2014
[7] Optimized intrusion detection mechanism using soft computing techniques
Ahmad, Iftikhar
Abdullah, Azween
Alghamdi, Abdullah
Hussain, Muhammad
[J]. TELECOMMUNICATION SYSTEMS, 2013, 52 (04) : 2187 - 2195
[8] A new approach to intrusion detection using Artificial Neural Networks and fuzzy clustering
Wang, Gang
Hao, Jinxing
Ma, Jian
Huang, Lihua
[J]. EXPERT SYSTEMS WITH APPLICATIONS, 2010, 37 (09) : 6225 - 6232
[9] A preliminary performance comparison of five machine learning algorithms for practical IP traffic flow classification
Williams, Nigel
Zander, Sebastian
Armitage, Grenville
[J]. ACM SIGCOMM COMPUTER COMMUNICATION REVIEW, 2006, 36 (05) : 7 - 15
[10] A fast learning algorithm for deep belief nets
Hinton, Geoffrey E.
Osindero, Simon
Teh, Yee-Whye
[J]. NEURAL COMPUTATION, 2006, 18 (07) : 1527 - 1554

← 1 2 →