基于深度信念极限学习机的入侵检测模型

摘要：

针对DBN检测模型的顶层BP网络对模型检测准确率的限制,文章构造了一种与深度信念极限学习机(ELM)相融合的入侵检测模型——DBN-ELM检测模型.该模型将深度信念网络在特征学习方面的优势与极限学习机在单隐层前馈神经网络学习方面的优势结合在一起,有效解决了DBN检测模型的不足.DBN-ELM检测模型与DBN检测模型对比实验表明,DBN-ELM检测模型在误报率和准确率方面都得到了提升.

关键词： 网络安全 入侵检测 深度信念网络 极限学习机

作者: 张建航 牛博威 张祥 李千目

作者单位: 江苏省公安厅网安总队,江苏南京210024;江苏省信息安全标准技术委员会,江苏南京210024 江苏省信息安全标准技术委员会,江苏南京210024;江苏省社会公共安全科技协同创新中心,江苏南京210094;南京理工大学,江苏南京210094

会议类型: 国内会议

会议名称: 2019互联网安全与治理论坛

会议地点: 青岛

会议语种:中文

页码: 106-110

在线出版日期: 2019-07-23（万方平台首次上网日期，不代表论文的发表时间）