基于深度去噪自编码器的网络异常检测方法研究

发布时间：2023-01-30 16:40

　　随着云计算、AI等技术的迅速发展,互联网涌现出了各种新型的网络攻击,网络异常检测与分析方法引起了学术界的广泛关注并逐渐成为研究热点。网络异常检测旨在区分网络中的恶意行为和正常行为,传统的异常检测方法普遍存在检测效率较低和误报率较高的问题,为提高传统异常检测方法的性能,本文引入了深度去噪自编码器技术,利用自编码器的重构误差和自编码器的数据降维来研究网络异常检测方法。本文首先针对网络入侵数据中的数据类别分布不平衡的问题,提出了一种融合弹性网的深度去噪自编码器（E-DDAE）的网络异常检测方法。通过改进深度去噪自编码器的损失函数,从而构建融合弹性网的深度去噪自编码器,利用训练集中的正常数据对自编码网络进行无监督训练,把正常数据的重构误差作为异常阈值,通过构建的自编码器和异常阈值来对网络的异常行为进行检测。实验结果表明,与AE、SVM、K-NN的异常检测方法相比,该方法在保证了较好的分类准确率的同时,提高了召回率和F1值,降低了误报率。本文然后针对传统网络异常检测方法在处理海量高维度数据时检测性能较差的问题,提出了一种融合深度去躁自编码器（DDAE）与深度神经网络（DNN）的混合异常检测方法（... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 主要研究内容
    1.4 论文组织结构
第2章 相关理论概述
    2.1 异常检测
        2.1.1 传统异常检测
        2.1.2 基于深度学习的异常检测
    2.2 自编码器理论基础
        2.2.1 自编码器
        2.2.2 去噪自编码器
        2.2.3 深度自编码器
        2.2.4 自编码器的应用
    2.3 深度神经网络
    2.4 本章小结
第3章 融合弹性网的深度去噪自编码器异常检测方法
    3.1 融合弹性网的深度去噪自编码器构建
        3.1.1 弹性网方法
        3.1.2 噪声的设置
        3.1.3 网络结构和参数的确定
    3.2 E-DDAE异常检测算法原理
        3.2.1 E-DDAE检测算法主要步骤
        3.2.2 E-DDAE检测算法形式化描述
    3.3 实验与结果分析
        3.3.1 实验环境与数据集
        3.3.2 数据预处理
        3.3.3 实验评估指标
        3.3.4 实验结果分析
    3.4 本章小结
第4章 融合深度去噪自编码器与神经网络的异常检测方法
    4.1 DDAE-DNN总体架构
    4.2 基于深度去噪自编码器的特征降维
    4.3 网络结构和参数
    4.4 DDAE-DNN异常检测算法
        4.4.1 DDAE-DNN异常检测算法的基本原理
        4.4.2 DDAE-DNN异常检测算法步骤
        4.4.3 DDAE-DNN异常检测算法形式化描述
    4.5 实验结果分析
    4.6 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
作者攻读学位期间的科研成果
致谢


【参考文献】：
期刊论文
[1]深度自编码器在数据异常检测中的应用研究[J]. 张常华,周雄图,张永爱,姚剑敏,郭太良,严群.  计算机工程与应用. 2020(17)
[2]基于生成对抗网络和自动编码器的机械系统异常检测[J]. 戴俊,王俊,朱忠奎,沈长青,黄伟国.  仪器仪表学报. 2019(09)
[3]基于贝叶斯网络的铝型材挤压过程异常检测[J]. 杨慧芳.  计算机应用与软件. 2019(09)
[4]基于深度信念网络的高维传感器数据异常检测算法[J]. 金鹏,夏晓峰,乔焰,崔信红.  传感技术学报. 2019(06)
[5]瓦斯浓度流数据实时异常检测方法[J]. 吴海波,施式亮,念其锋.  计算机与数字工程. 2019(05)
[6]基于概率统计模型的电力IT监控对象特征异常检测[J]. 卫薇,龙玉江,钟掖.  山东农业大学学报(自然科学版). 2019(04)
[7]基于KNN离群点检测和随机森林的多层入侵检测方法[J]. 任家东,刘新倩,王倩,何海涛,赵小林.  计算机研究与发展. 2019(03)
[8]高斯核密度估计方法检测健康数据异常值[J]. 王康,周治平.  计算机科学与探索. 2019(12)
[9]基于独热编码和卷积神经网络的异常检测[J]. 梁杰,陈嘉豪,张雪芹,周悦,林家骏.  清华大学学报(自然科学版). 2019(07)
[10]基于DBN-KELM的入侵检测算法[J]. 汪洋,伍忠东,火忠彩.  计算机工程. 2019(10)



本文编号：3733254