基于深度置信網(wǎng)絡(luò)的入侵檢測研究.pdf

1、最近，隨著網(wǎng)絡(luò)技術(shù)發(fā)展計算機(jī)入侵手段也越來越復(fù)雜和多樣化，計算機(jī)網(wǎng)絡(luò)安全問題成為一個迫切需要解決的重要問題。入侵檢測技術(shù)作為一種重要的主動安全防范技術(shù)，已經(jīng)成為網(wǎng)絡(luò)安全的關(guān)鍵技術(shù)，然而隨著入侵手段的的不斷變化，傳統(tǒng)的入侵檢測技術(shù)已經(jīng)不能滿足如今的網(wǎng)絡(luò)環(huán)境，將智能技術(shù)應(yīng)用于入侵檢測之中已經(jīng)成為入侵檢測的一種發(fā)展趨勢。深度學(xué)習(xí)如今已經(jīng)在圖像識別和文本分類領(lǐng)域取得了巨大的成功，為解決現(xiàn)在入侵?jǐn)?shù)據(jù)往往呈現(xiàn)出龐大的數(shù)據(jù)量和高維度特征特點提供了一個

2、新的解決方法。
　　本文根據(jù)對現(xiàn)有入侵檢測技術(shù)和對深度置信網(wǎng)絡(luò)的學(xué)習(xí)，提出了一種基于深度置信網(wǎng)絡(luò)的入侵檢測模型體系，詳細(xì)介紹了該模型體系中的網(wǎng)絡(luò)探測器、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)庫模塊、DBN異常處理模塊、響應(yīng)模塊。該模型核心模塊DBN異常處理模塊由3層的受限玻爾茲曼機(jī)和一層BP神經(jīng)網(wǎng)絡(luò)構(gòu)成。三層受限玻爾茲曼機(jī)進(jìn)行無監(jiān)督的特征學(xué)習(xí)，訓(xùn)練算法采用對比散度算法，BP神經(jīng)網(wǎng)絡(luò)起到參數(shù)回調(diào)和對第三層 RBM輸出的低維特征進(jìn)行分類。最后，本文利用