基于Fisher-PCA和深度学习的入侵检测方法研究

发布时间：2022-02-22 03:43

　　为了在攻击形式多样化、入侵数据海量及多维化的环境中快速、准确地识别网络攻击,提出了一种融合Fisher-PCA特征提取与深度学习的入侵检测算法。通过Fisher特征选择算法选出重要的特征组成特征子集,然后基于主成分分析法（Principal component analysis,PCA）将特征子集进行降维,提取出了分类能力强的特征集。构建了一种新的深度神经网络（Deep neural networks,DNN）模型对网络攻击数据和正常数据进行识别与分类。在KDD99数据集上进行实验,结果表明:与传统的人工神经网络（Artificial neural network,ANN）和支持向量机（Support vector machine,SVM）算法相比,这种入侵检测算法的准确率分别提高了12.63%和6.77%,误报率由原来的2.31%和1.96%降为0.28%;与DBN4和PCA-CNN算法相比,在准确率和检测率保持基本相同的同时有着更低的误报率。 

【文章来源】：数据采集与处理. 2020,35(05)北大核心CSCD

【文章页数】：9 页

【部分图文】：

基本流程图

Re LU激活函数

累计贡献率与维数关系图

【参考文献】：
期刊论文
[1]改进的随机森林分类器网络入侵检测方法[J]. 夏景明,李冲,谈玲,周刚.  计算机工程与设计. 2019(08)
[2]基于PCA的人脸识别系统的设计与改进[J]. 李梦潇,姚仕元.  计算机科学. 2019(S1)
[3]基于信息增益与主成分分析的网络入侵检测方法[J]. 王旭仁,马慧珍,冯安然,许祎娜.  计算机工程. 2019(06)
[4]基于主成分分析和卷积神经网络的入侵检测方法研究[J]. 李兆峰.  现代信息科技. 2019(10)
[5]基于ICA算法与深度神经网络的入侵检测模型[J]. 刘敬浩,毛思平,付晓梅.  信息网络安全. 2019(03)
[6]基于Fisher-FCBF的入侵特征选择算法的研究[J]. 王浩,石研.  现代计算机(专业版). 2017(15)
[7]基于SMOTE和GBDT的网络入侵检测方法研究[J]. 封化民,李明伟,侯晓莲,徐治理.  计算机应用研究. 2017(12)
[8]基于BP神经网络的入侵检测算法[J]. 胡明霞.  计算机工程. 2012(06)

博士论文
[1]机器学习方法在入侵检测中的应用研究[D]. 解男男.吉林大学 2015

硕士论文
[1]融合网络攻击特征学习的入侵检测技术研究[D]. 常梦云.浙江工商大学 2019



本文编号：3638626