论文部分内容阅读
针对传统机器学习方法在处理大规模入侵数据的检测精度低和检测速度慢等问题,提出一种基于深度学习的混合入侵检测模型DBN-PBT-TSVM。该模型利用深度信念网络DBN(Deep Belief Network)减少特征集的维度,获得原始数据集的最优的低维表示;综合对支持向量机TSVM(Twin Support Vector Machine)和偏二叉树的优势,构造了一种基于偏二叉树的对支持向量机多类分类器,对网络入侵数据进行识别。基于KDDCUP99数据集实验比较的结果表明,DBN-PBT-TSVM模型