融合深度学习和在线增量学习的网络入侵检测方法研究

物联网高速发展的浪潮对入侵系统的时效性和可用性提出了新的要求,如何从海量高维数据流中发现入侵行为成为当前入侵检测技术研究的一个热点。采用一种在线增量学习的方法来持续更新海量高维数据场景下的入侵检测模型,该方法融合深度学习和在线增量学习方法来实现海量高维流量数据特征的提取与入侵检测模型的自适应更新,使得模型能有有效应对流量数据的随机波动行为。实验表明,本文的方法能够更好应对新增流量数据分布的差异性问题,满足入侵检测系统的时效性高、自适应学习需求。