一种基于改进深度置信网络的入侵检测方法

摘要

本发明公开了一种基于改进深度置信网络的入侵检测方法，包含以下过程：在连续受限玻尔兹曼机的似然函数中引入稀疏正则项，用对比散度算法进行训练；在受限波尔兹曼机的似然函数中引入稀疏正则项，用对比散度算法进行训练；判断引入稀疏正则项之后的连续受限波尔兹曼机和受限波尔兹曼机是否达到最大训练周期，若达到最大训练周期，则结束训练；否则，继续训练。将训练好的两种模型进行堆叠，最后加一层反向传播神经网络，形成稀疏化的深度置信网络，然后将其应用到入侵检测系统，进行分类检测。本发明将改进的深度置信网络用于入侵检测系统具有较高的分类准确率、较低的误报率以及具有良好的稀疏性能。