文档名：基于深度信念极限学习机的入侵检测模型
针对DBN检测模型的顶层BP网络对模型检测准确率的限制,文章构造了一种与深度信念极限学习机(ELM)相融合的入侵检测模型——DBN-ELM检测模型.该模型将深度信念网络在特征学习方面的优势与极限学习机在单隐层前馈神经网络学习方面的优势结合在一起,有效解决了DBN检测模型的不足.DBN-ELM检测模型与DBN检测模型对比实验表明,DBN-ELM检测模型在误报率和准确率方面都得到了提升.
作者：张建航 牛博威 张祥 李千目
作者单位：江苏省公安厅网安总队,江苏南京210024;江苏省信息安全标准技术委员会,江苏南京210024江苏省信息安全标准技术委员会,江苏南京210024;江苏省社会公共安全科技协同创新中心,江苏南京210094;南京理工大学,江苏南京210094
母体文献：2019互联网安全与治理论坛论文集
会议名称：2019互联网安全与治理论坛
会议时间：2019年7月23日
会议地点：青岛
主办单位：公安部网络安全保卫局
语种：chi
分类号：TP3TN7
关键词：网络安全 入侵检测 深度信念网络 极限学习机
在线出版日期：2020年4月16日
基金项目：
相似文献
相关博文
- 文件大小:
- 2.74 MB
- 下载次数:
- 60
-
高速下载
|
|
