基于DBN的入侵检测分类模型构建和优化方法

作     者：李玉峰 明拓思宇 魏鹏 LI Yu-feng;MING Tuo-si-yu;WEI Peng

作者机构：上海大学计算机工程与科学学院上海200444 31401部队吉林吉林132000 61660部队北京100089 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2021年第38卷第11期

页      面：266-274页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家重点研发计划(2017YFB0803201,2016YFB0801200) 国家自然科学基金(61502528) 网络空间安全专项课题(2017YFB0803204) 河南省科技攻关计划课题(162102210034) 

主　　题：入侵检测 深度信念网络 人工鱼群算法 粒子群优化 滑动窗口 

摘      要：在深度信念网络(Deep Belief Network, DBN)应用于图像、视频等领域中,研究者们普遍通过实践经验设置DBN基本网络结构—DBN深度及每层神经元的个数。将DBN模型作为入侵检测分类模型,提出了DBN模型中基本网络结构的适应度标准,利用该标准提出了一种用于寻找DBN优化网络结构的改进粒子群优化算法。算法首先利用鱼群思想优化粒子群优化算法搜索初始优化网络结构,然后将初始优化网络结构作为利用滑动窗口优化粒子群算法的初始值,继续寻优直到找到全局优化网络结构。将优化算法构造的DBN模型作为入侵检测分类模型进行实验,实验结果表明,相较其它优化算法,方法显著提高了入侵检测分类准确率,明显降低了入侵检测误报率和检测时间,是一种高效且可行的入侵检测分类模型构建和优化方法。