基于AE-BNDNN模型的入侵檢測方法

摘要： 基于深度學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測系統(tǒng)中大量的冗余數(shù)據(jù)特征會(huì)加大模型的訓(xùn)練時(shí)間并降低訓(xùn)練效果,針對(duì)此問題,提出了AE-BNDNN入侵檢測模型.首先利用自編碼器網(wǎng)絡(luò)(Auto-Encoder,AE)對(duì)入侵檢測數(shù)據(jù)進(jìn)行特征降維,去除冗余特征,而后在深度神經(jīng)網(wǎng)絡(luò)隱藏層添加批量規(guī)范化層,作為訓(xùn)練入侵檢測數(shù)據(jù)特征降維后的分類器,最后采用多層網(wǎng)格搜索算法對(duì)AEBNDNN模型參數(shù)進(jìn)行自動(dòng)優(yōu)化,尋找模型的最優(yōu)參數(shù).在NSL-KDD數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,采用多層網(wǎng)格搜索算法優(yōu)化的AE-BNDNN模型取得了較高的分類準(zhǔn)確率和訓(xùn)練速度. （共5頁）