基于DBN-ELM的入侵检测研究

作者：魏思政; 刘厚泉; 赵志凯

来源：计算机工程, 2018, 44(09): 153-158.

DOI：10.19678/j.issn.1000-3428.0047591

• 深度学习
• 深度信念网络
• 极限学习机
• 混合模型
• 入侵检测
• 无监督

为了有效解决海量复杂数据的入侵检测分类问题,基于深度信念网络(DBN)和极限学习机(ELM),提出一种新的入侵检测方法。使用DBN对大量复杂无标签的原始数据进行特征提取,得到高度抽象的重要特征,再用ELM完成最终的分类工作。结合DBN自动提取特征的能力和ELM快速学习且泛化性好的优势,提高入侵检测识别率和运行效率。实验结果表明,与原始的DBN、ELM以及DBN-SVM方法相比,该方法具有更优的精确度和运行效率。

• 单位
  中国矿业大学; 中国矿业大学（北京）