计算机应用研究

作者：卢明星,杜国真,季泽旭,

单位：1.河南护理职业学院网络管理中心,河南安阳455000；2.中国科学技术大学计算机科学与技术学院,合肥230026；

关键词：深度自编码器,迁移学习,入侵检测,嵌入层,标签层,

基金：2016年河南省教育厅高等学校青年骨干教师培养计划资助项目(2016GGJS-285)；；

为解决网络入侵检测问题，提高检测准确率和降低误报率，提出一种基于深度迁移学习的网络入侵检测方法，该方法使用非监督学习的深度自编码器来进行迁移学习，实现网络的入侵检测。首先对深度迁移学习问题进行建模，然后对深度模型进行迁移学习。迁移学习框架由嵌入层和标签层实现编/解码，编码和解码权重由源域和目标域共享，用于知识的迁移。嵌入层中，通过最小化域之间的嵌入实例的KL散度来强制源域和目标域数据的分布相似；在标签编码层中，使用softmax回归模型对源域的标签信息进行编码分类。实验结果表明，该方法能够实现网络入侵检测，且性能优于其他入侵检测方法。

来源：2020年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第9期