海量数据环境下用于入侵检测的深度学习方法 - 计算机应用研究.PDFVIP

海量数据环境下用于入侵检测的深度学习方法 作者 高妮, 贺毅岳, 高岭 机构 西安财经学院 信息学院；西北大学 信息科学与技术学院；西北大学 经济管理学院 发表期刊 《计算机应用研究》 预排期卷 2018 年第35 卷第3 期 访问地址 /article/02-2018-03-004.html 发布日期 2017-03-21 09:15:08 引用格式 高妮, 贺毅岳, 高岭. 海量数据环境下用于入侵检测的深度学习方法[J/OL]. [2017-03-21]. http:// /article/02 -2018-03-004.html. 摘要 针对传统浅层机器学习方法无法有效解决海量入侵数据的分类问题，提出了一种基于深度信念网 络的多类支持向量机入侵检测方法（DBN-MSVM）。首先，该方法利用深度信念网络对大量高维、 非线性的无标签原始数据进行特征降维，从而获得原始数据的最优低维表示；然后，利用二叉树 构造多类支持向量机分类器，并对获得的最优低维表示进行网络攻击行为识别。最后在KDD’ 99 数据集上进行实验仿真，DBN-MSVM 方法可缩短支持向量机分类器的训练时间和测试时间，提 高了海量入侵数据的分类准确率。 关键词 入侵检测, 深度学习, 支持向量机 中图分类号 TP309.2 基金项目 国家自然科学基金资助项目; 国家教育部人文社会科学研究青年项目 （16XJC630001）; 陕西省自然科学基金资助项目（2015JQ7278）; 陕西省教育厅科学研究项目 （14JK1693） 35 优先出版 计 算 机 应 用 研 究 第 卷 海量数据环境下用于入侵检测的深度学习方法* 1, 2a 2b 2a 高 妮 ，贺毅岳 ，高 岭 (1 710100 2 a b 710127) ．西安财经学院 信息学院，西安 ； ．西北大学 ．信息科学与技术学院； ．经济管理学院，西安 摘 要：针对传统浅层机器学习方法无法有效解决海量入侵数据的分类问题，提出了一种基于深度信念网络的多类支持 向量机入侵检测方法（DBN-MSVM ）。首先，该方法利用深度信念网络对大量高维、非线性的无标签原始数据进行特 征降维，从而获得原始数据的最优低维表示；然后，利用二叉树构造多类支持向量机分类器，并对获得的最优低维表示 KDD 99 DBN-MSVM 进行网络攻击行为识别。最后在 ’ 数据集上进行实验仿真， 方法可缩短支持向量机分类器的训练 时间和测试时间，提高了海量入侵数据的分类准确率。 关键词：入侵检测；深度学习；支持向量机 中图分类号：TP309.2 Deep learning method for intrusion detection in massive data Gao N