基于DBN-KELM的入侵检测算法

作者：汪洋; 伍忠东^*; 火忠彩

来源：计算机工程, 2019, 45(10): 171-182.

DOI：10.19678/j.issn.1000-3428.0052314

• 深度学习
• 深度信念网络
• 特征提取
• 核极限学习机
• 入侵检测

传统机器学习算法需要人工构建样本特征,处理海量多源异构网络入侵数据时分类效果较差。针对该问题,结合深度信念网络(DBN)和核极限学习机(KELM),提出一种混合深度学习入侵检测算法DBN-KELM。利用DBN提取高维网络历史数据的抽象特征,获得原始数据的低维表示形式。在此基础上,通过KELM对低维表示的数据做监督学习,达到准确识别网络攻击的目的。在NSL-KDD数据集上进行仿真,实验结果表明,DBN-KELM算法能够提高分类准确率,降低对小样本攻击的误报率,同时缩短分类器的训练时间。

• 单位
  兰州交通大学