基于BN-DBN的网络安全态势要素获取机制

摘要

为了加快深度信念网络(Deep Belief Network，DBN)的收敛速度以及提高小样本条件下的态势要素的获取精度，提出了一种基于BN‑DBN网络安全态势要素获取机制。一方面在深度神经网络中加入BN以解决梯度消失问题；另一方面再通过深度神经网络输出层提出了一种改进的主动学习(Improved Active Learning，IAL)算法反向微调深度信念网络，该算法通过在每次迭代中主动选择训练样本来平衡样本种类。理论分析和实例数据仿真结果表明该机制能够解决深度神经网络收敛速度过慢或梯度消失，以及样本的准确分类问题。其获取精度、收敛速度、算法复杂度优于该文中所列的其他态势要素获取机制。