%0 Journal Article %A 汪洋 %A 伍忠东 %A 火忠彩 %T 基于DBN-KELM的入侵检测算法 %D 2019 %R 10.19678/j.issn.1000-3428.0052314 %J 计算机工程 %P 171-175,182 %V 45 %N 10 %X 传统机器学习算法需要人工构建样本特征,处理海量多源异构网络入侵数据时分类效果较差。针对该问题,结合深度信念网络(DBN)和核极限学习机(KELM),提出一种混合深度学习入侵检测算法DBN-KELM。利用DBN提取高维网络历史数据的抽象特征,获得原始数据的低维表示形式。在此基础上,通过KELM对低维表示的数据做监督学习,达到准确识别网络攻击的目的。在NSL-KDD数据集上进行仿真,实验结果表明,DBN-KELM算法能够提高分类准确率,降低对小样本攻击的误报率,同时缩短分类器的训练时间。 %U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0052314