论文部分内容阅读
针对现有未知网络攻击检测方法采用人工或浅层机器学习方法选取特征导致检测精度较低的问题,提出一种基于稀疏自编码深度神经网络的入侵检测模型。该模型采用多层无监督神经元将高维、非线性的数据映射成低维空间,建立高维空间和低维空间的双向映射的自编码网络结构。除此之外,通过稀疏自编码获得权值和偏置初始化深度神经网络隐含层的参数,用归一化后的网络底层连接记录数据对深度神经网络进行训练并测试。实验结果表明,本文所采用的方法能够提高入侵检测模型的准确率,优于浅层机器学习选取特征的分类算法,是一种高效且可行的入侵检测模型。