基于DBN-KELM的入侵检测算法
来源：计算机工程杂志2019年第10期北京时间：
作者：汪洋, 伍忠东, 火忠彩
单位：兰州交通大学 电子与信息工程学院, 兰州 730070
摘要：传统机器学习算法需要人工构建样本特征，处理海量多源异构网络入侵数据时分类效果较差。针对该问题，结合深度信念网络（DBN）和核极限学习机（KELM），提出一种混合深度学习入侵检测算法DBN-KELM。利用DBN提取高维网络历史数据的抽象特征，获得原始数据的低维表示形式。在此基础上，通过KELM对低维表示的数据做监督学习，达到准确识别网络攻击的目的。在NSL-KDD数据集上进行仿真，实验结果表明，DBN-KELM算法能够提高分类准确率，降低对小样本攻击的误报率，同时缩短分类器的训练时间。
关键词：深度学习,深度信念网络,特征提取,核极限学习机,入侵检测
基金资助：甘肃省高等学校创新团队项目（2017C-09）；兰州市科技局科技项目（2018-1-51）。
