收录：
摘要：
基于伪孪生堆栈自编码器的网络入侵检测方法属于网络安全领域。对网络攻击的分析和检测应该被重视。基于传统深度学习方法的准确率和检测率较低、泛化能力较差和假阳率较高。本发明提出了一种提出了一种基于伪孪生SAE的网络入侵检测方法。首先分别使用正样本集和负样本集无监督训练两个互为伪孪生结构的SAE，有效抽取流量的深层语义特征空间，从而放大特征重构后的正负样本之间的差异。其次通过有标签的监督训练，提高检测准确性，并使用逻辑运算结合两个伪孪生编码器使最终检测结果达到最优。在入侵检测数据集NSL‑KDD的测试集KDDTest+和KDDTest‑21上的实验表明，本发明的入侵检测准确性高于传统深度学习方法。
关键词：
通讯作者信息：
电子邮件地址：
