10.3969/j.issn.1000-386x.2020.12.052
基于DL和TSVM的入侵检测方法研究
为解决网络环境下大量高维数据给入侵检测造成的数据特征提取不当、检测速度慢、检测率低的问题,提出一种基于深度置信网络(Deep Belief Network,DBN)和孪生支持向量机(Twin Support Vector Machine,TSVM)的入侵检测模型(DBN-TSVM-5).利用五层受限玻尔兹曼机的DBN对归一化后的标准数据集进行特征降维,以获得入侵检测数据的最优低维表示,构造多分类TSVM-5分类器,对降维后的数据进行识别.经过KDDCUP99数据集的仿真实验,结果表明,该模型是一种有效的入侵检测模型.
深度学习、入侵检测、深度置信网络、孪生支持向量机
37
TP393(计算技术、计算机技术)
2020-12-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
328-333