一种基于深度学习的复杂网络实时Sybil攻击检测方法

摘要

本发明公开了一种基于深度学习的复杂网络实时Sybil攻击检测方法，包括建立基于多层核极限学习机的深度学习模型，从网络中采集数据，提取多种网络数据特征，再基于多层核极限学习机的深度学习模型对Sybil攻击进行检测。基于多层核极限学习机的深度学习模型包括无监督表示学习与监督特征分类两个阶段，通过低秩逼近法计算近似的经验核映射，代替原极限学习机随机生成的隐层，将经验核映射‑自动编码的栈式自编码器作为表示学习，对极限学习机的时间效率与存储成本实现了显著的提高。该Sybil攻击检测方法有效地降低了Sybil攻击的检测时间，并且保持了较好的检测效果。