針對傳統(tǒng)入侵檢測方法在檢測效果上存在檢測率低、誤報率高等問題,將深度信念網(wǎng)絡(luò)應(yīng)用于入侵檢測中,提出一種基于灰狼算法（GWO）的深度信念網(wǎng)絡(luò)（DBN）入侵檢測方法。對NSL-KDD進行預(yù)處理提高其魯棒性,搭建深度信念網(wǎng)絡(luò)檢測模型,引入灰狼算法對其隱含層節(jié)點數(shù)進行全局尋優(yōu),近似得到DBN最佳網(wǎng)絡(luò)結(jié)構(gòu),利用所得數(shù)據(jù)集進行驗證分析。實驗結(jié)果表明,與幾種常用的入侵檢測算法相比,經(jīng)過灰狼算法優(yōu)化后的深度信念網(wǎng)絡(luò)提高了入侵檢測的檢測率,降低了誤報率,為入侵檢測提供了新的依據(jù)。 

【文章來源】：計算機工程與設(shè)計. 2020,41(06)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

誤報率對比

RBN網(wǎng)絡(luò)結(jié)構(gòu)

灰狼等級金字塔結(jié)構(gòu)

【參考文獻】：
期刊論文
[1]基于受限玻爾茲曼機的CSI指紋室內(nèi)定位方法[J]. 黨小超,唐續(xù)豪,郝占軍.  計算機工程與設(shè)計. 2019(05)
[2]基于灰狼算法的主題爬蟲[J]. 蕭婧婕,陳志云.  計算機科學(xué). 2018(S2)
[3]改進的深度信念網(wǎng)絡(luò)預(yù)測模型及其應(yīng)用[J]. 邵雙雙,劉麗冰,譚志洪,孫世榮,王夢雅.  計算機應(yīng)用. 2018(S1)
[4]深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練中梯度不穩(wěn)定現(xiàn)象研究綜述[J]. 陳建廷,向陽.  軟件學(xué)報. 2018(07)
[5]BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)確定方法研究[J]. 王嶸冰,徐紅艷,李波,馮勇.  計算機技術(shù)與發(fā)展. 2018(04)
[6]一種基于深度網(wǎng)絡(luò)的多環(huán)境因素降水量預(yù)報模型[J]. 張鵬程,張雷,王繼民.  計算機應(yīng)用與軟件. 2017(09)
[7]面向入侵檢測系統(tǒng)的Deep Belief Nets模型[J]. 高妮,高嶺,賀毅岳.  系統(tǒng)工程與電子技術(shù). 2016(09)
[8]受限波爾茲曼機[J]. 張春霞,姬楠楠,王冠偉.  工程數(shù)學(xué)學(xué)報. 2015(02)



本文編號：3335740