|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
基于自编码网络特征降维的轻量级人侵检测模型
$ Q/ [" c# i* D. U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.$ |( h6 s/ J0 F& e! w% [
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# c4 u6 [- d: s2 v1 x# |
1 K1 z' }- E; U. ~9 H
1引言9 H/ a8 o6 {' F- l1 V
随着Internet在全世界范围内的迅速发展,计算机网络安全问题已成为一个备受关注的重大问题.其中，如何识别各种网络攻击是一个不可回避的关键技术.人侵检测( Intrusion Detection , ID)作为一种主动防御技术,逐渐成为保障网络系统安全的关键技术.入侵检测系统( intrusion detection systems , IDS)的目的就是识别
2 v9 S- S e" [5 e! K( {+ J. W* @* _
9 V* ^' U6 J n/ S
$ A! @/ |6 n/ G7 r) p; X0 ?! K% C: Z |
|
/1 
发表于 2021-3-18 15:19
收藏
淘帖
支持！
反对！