一种基于AdaBoost和CNN的入侵检测方法

摘要

本发明属于信息安全技术领域，具体涉及一种基于AdaBoost和CNN的入侵检测方法。本发明对AdaBoost算法进行了改进，首先把入侵检测特征向量转换为随机特征矩阵作为卷积神经网络的输入，通过矩阵化提取入侵检测数据的2D轮廓；然后将卷积神经网络CNN作为基分类器提取入侵检测数据的高级特征图并完成分类；最后选取分类误差最小的候选分类器作为强分类器，并将强分类器的矩阵化方法取代基矩阵化方法。本发明有效解决了基分类器难以提取样本高级特征的问题，并得到了一种寻找最佳矩阵化的方法，提高了入侵检测成功率。