基于深度置信網絡的入侵檢測研究.pdf

1、最近，隨著網絡技術發(fā)展計算機入侵手段也越來越復雜和多樣化，計算機網絡安全問題成為一個迫切需要解決的重要問題。入侵檢測技術作為一種重要的主動安全防范技術，已經成為網絡安全的關鍵技術，然而隨著入侵手段的的不斷變化，傳統(tǒng)的入侵檢測技術已經不能滿足如今的網絡環(huán)境，將智能技術應用于入侵檢測之中已經成為入侵檢測的一種發(fā)展趨勢。深度學習如今已經在圖像識別和文本分類領域取得了巨大的成功，為解決現(xiàn)在入侵數(shù)據(jù)往往呈現(xiàn)出龐大的數(shù)據(jù)量和高維度特征特點提供了一個

2、新的解決方法。
　　本文根據(jù)對現(xiàn)有入侵檢測技術和對深度置信網絡的學習，提出了一種基于深度置信網絡的入侵檢測模型體系，詳細介紹了該模型體系中的網絡探測器、數(shù)據(jù)預處理模塊、數(shù)據(jù)庫模塊、DBN異常處理模塊、響應模塊。該模型核心模塊DBN異常處理模塊由3層的受限玻爾茲曼機和一層BP神經網絡構成。三層受限玻爾茲曼機進行無監(jiān)督的特征學習，訓練算法采用對比散度算法，BP神經網絡起到參數(shù)回調和對第三層 RBM輸出的低維特征進行分類。最后，本文利用