代价约束算法对入侵检测特征提取的优化研究

来源：计算机工程与科学杂志2022年第3期北京时间：

作者：刘云, 郑文凤, 张轶

单位：昆明理工大学信息工程与自动化学院，云南 昆明 650500

摘要：入侵检测系统的防御性能经常受到类不平衡数据的影响，为了自动提取稀缺类别的数据特征，提高入侵检测系统识别未知网络攻击的精度，提出一种代价约束算法。首先，基于栈式自动编码器构建深度神经网络，在隐藏层的神经元上添加稀疏约束；其次，通过生成代价矩阵优化代价目标函数，对类不平衡数据特征分配代价；最后，利用反向传播微调神经网络模型参数，得到最优的特征向量。仿真结果表明，在面对多维和类不平衡数据时，与FAE算法和NDAE算法相比，代价约束算法在入侵检测精度和收敛性方面均有提升。

关键词：入侵检测,特征提取,自动编码器,代价矩阵,深度学习,

基金资助：国家自然科学基金（61761025）;云南省重大科技专项计划（202002AD080002）