基于深度学习的Wi-Fi网络入侵检测方法

关键词：深度信念网络 降噪自编码网络 数据降维 入侵检测 

摘要：提出一种基于深度信念网络(DBN)的Wi-Fi网络入侵检测模型。使用SMOTE算法对数据样本中的异常数据和正常数据进行数量平衡,使用降噪自编码网络(DAE)对平衡后的数据进行降维,消除无关或冗余特征降低检测建模规模。在AWID数据集上进行实验,实验结果表明,与其它基于浅层学习算法的检测方法相比,所提方法可有效精简数据特征,降低检测时间,在检测精度和误报率方面体现出了更优性能。

计算机工程与设计杂志要求:

{1}根据论文情况可自行决定是否列举阅读型参考文献；阅读型参考文献用文后尾注形式，以带方括号的阿拉伯数字（［1］［2］［3］……）顺序编号排列。阅读型参考文献可不标注具体页码。

{2}来稿要求来稿要有科学性、真实性、先进性。设计合理，结构严密，层次分明，文通句顺，统计学方法正确。

{3}来稿请注明作者单位、联系方式及确切通信地址。所有稿件，请作者自留底稿，无论采用与否，恕不退还。

{4}正文各级标题一律采用阿拉伯数字连续编号，同级题不同层次的数字之间用下圆点相隔，最末一位数后不加标点。

{5}来稿请写明详细通讯地址及联系电话，并附作者简介，内容如下：姓名、出生年、性别、民族（汉族可省略）、籍贯、学位、职称和最高学术职务及研究方向。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社