深度置信网络融合局部保持投影的入侵检测模型

作     者：武玉坤 李伟 陈沅涛 Wu Yukun;Li Wei;Chen Yuantao

作者机构：杭州职业技术学院浙江杭州310018 浙江工业大学计算机科学与技术学院浙江杭州310023 长沙理工大学计算机与通信工程学院湖南长沙410114 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2024年第41卷第6期

页      面：62-71页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61502422,61972056) 浙江省自然科学基金项目(LY18F020028) 浙江省科技厅公益项目(2017C33108) 浙江省教育厅一般科研项目(Y202044619) 杭州职业技术学院高层次人才科研启动项目(RCXY202243) 

主　　题：入侵检测 深度学习 深度置信网络 局部保持投影 

摘      要：网络入侵检测系统(NIDS)提供了比其他传统网络防御技术(如防火墙系统)更好的网络安全解决方案。提出一种深度置信网络(DBN)与局部保持投影技术相融合的入侵检测模型。深度置信网络用于原始数据的特征学习;采用局部保持投影(LPP)融合深层特征,进一步去除冗余和无关特征。最后使用Softmax分类器进行分类。研究该方法在NSL-KDD数据集和UNSW-NB15数据集上的准确率、检测率、误报率等分类指标,并与常规的机器学习分类方法及其他文献中最新的方法进行比较。实验结果表明DBN-LPP模型提高了入侵检测的综合性能,其性能优于传统的机器学习分类方法及其他方法,为入侵检测提供了一种新的研究方法。