深度置信网络融合局部保持投影的入侵检测模型

来源：计算机应用与软件杂志2024年第6期北京时间：

作者：武玉坤, 李伟, 陈沅涛

摘要：网络入侵检测系统（NIDS）提供了比其他传统网络防御技术（如防火墙系统）更好的网络安全解决方案。提出一种深度置信网络（DBN）与局部保持投影技术相融合的入侵检测模型。深度置信网络用于原始数据的特征学习；采用局部保持投影（LPP）融合深层特征，进一步去除冗余和无关特征。最后使用Softmax分类器进行分类。研究该方法在NSL-KDD数据集和UNSW-NB15数据集上的准确率、检测率、误报率等分类指标，并与常规的机器学习分类方法及其他文献中最新的方法进行比较。实验结果表明DBN-LPP模型提高了入侵检测的综合性能，其性能优于传统的机器学习分类方法及其他方法，为入侵检测提供了一种新的研究方法。

关键词：入侵检测, 深度学习, 深度置信网络, 局部保持投影