基于CNN-ELM的入侵检测

作者：杨彦荣; 宋荣杰^*; 胡国强

来源：计算机工程与设计, 2019, 40(12): 3382-3387.

DOI：10.16208/j.issn1000-7024.2019.12.004

• 入侵检测
• 深度学习
• 卷积神经网络
• 极限学习机
• 支持向量机

针对现有网络入侵检测方法在处理高维度、非线性的海量数据时检测效率低和准确率低的问题,提出一种基于卷积神经网络(CNN)和极限学习机(ELM)的组合式入侵检测方法 (CNN-ELM)。通过数值化映射、归一化及维度重组对原始网络数据进行预处理,利用CNN网络自动提取原始网络数据的深层特征,将ELM作为分类器对提取到的特征进行入侵检测分类。采用NSL-KDD数据集对CNN-ELM进行仿真实验,实验结果表明,与SVM、CNN及ELM方法相比,CNN-ELM能有效提高入侵检测的准确率,具有较好的泛化能力和实时性。

• 单位
  西北农林科技大学