文献类型：期刊文章

作　　者：高妮[1,2] 高岭[1] 贺毅岳[3] 王海[1]

机构地区：[1]西北大学信息科学与技术学院,陕西西安710069 [2]西安财经学院信息学院,陕西西安710100 [3]西北大学经济管理学院,陕西西安710127

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61373176);教育部人文社会科学研究青年项目(No.16XJC630001);陕西省自然基金(No.2015JQ7278)

年　　份：2017

卷　　号：45

期　　号：3

起止页码：730-739

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI(收录号：20171903645843)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：基于支持向量机(SVM)的入侵检测方法受时间和空间复杂度约束,在高维特征空间计算时面临"维数灾害"的问题.为此,本文提出一种基于自编码网络的支持向量机入侵检测模型(AN-SVM).首先,该模型采用多层无监督的限制玻尔兹曼机(RBM)将高维、非线性的原始数据映射至低维空间,建立高维空间和低维空间的双向映射自编码网络结构,进而运用基于反向传播网络的自编码网络权值微调算法重构低维空间数据的最优高维表示,从而获得原始数据的相应最优低维表示;最后,采用SVM分类算法对所学习到的最优低维表示进行入侵识别.实验结果表明,AN-SVM模型降低了入侵检测模型中分类的训练时间和测试时间,并且分类效果优于传统算法,是一种可行且高效的轻量级入侵检测模型.

关 键 词：特征降维 自编码网络  限制玻尔兹曼机  支持向量机 入侵检测

分 类 号：TP393.08]