1、由于互聯(lián)網(wǎng)的迅速發(fā)展和信息技術(shù)的廣泛應(yīng)用，計(jì)算機(jī)系統(tǒng)的安全變得至關(guān)重要。入侵檢測(cè)系統(tǒng)是繼防火墻和數(shù)據(jù)簽名等安全技術(shù)之后新興的系統(tǒng)安全保障技術(shù)，它能夠?qū)W(wǎng)絡(luò)攻擊進(jìn)行有效的識(shí)別和響應(yīng)，同時(shí)能夠?qū)?nèi)部用戶行為進(jìn)行監(jiān)督，入侵檢測(cè)系統(tǒng)是一種主動(dòng)防御系統(tǒng)。由于網(wǎng)絡(luò)的數(shù)據(jù)規(guī)模與日俱增和網(wǎng)絡(luò)攻擊的手段也日益多樣化，基于傳統(tǒng)的機(jī)器學(xué)習(xí)算法的入侵檢測(cè)模型難以適應(yīng)如今網(wǎng)絡(luò)安全的需要，而幾年興起的深度學(xué)習(xí)在圖像識(shí)別和文本挖掘都有大量應(yīng)用，其對(duì)數(shù)據(jù)特征的泛化能力

2、和高度抽象能力十分強(qiáng)大，將其運(yùn)用于入侵檢測(cè)中，能夠一定程度上適應(yīng)新的入侵檢測(cè)的需要。但是，單個(gè)分類器的預(yù)測(cè)能力還是有限。若能通過用某種集成的算法將多個(gè)弱分類器結(jié)合成一強(qiáng)分類器，這對(duì)模型的性能會(huì)有所提升。因此，在入侵檢測(cè)系統(tǒng)中把深度學(xué)習(xí)和集成算法結(jié)合論文研究的主要方向。
　　論文分析了當(dāng)前的入侵檢測(cè)系統(tǒng)及深度學(xué)習(xí)，集成學(xué)習(xí)等兩門技術(shù)，針對(duì)現(xiàn)有的入侵檢測(cè)系統(tǒng)存在的問題，探討了在入侵檢測(cè)中運(yùn)用深度學(xué)習(xí)和集成學(xué)習(xí)相結(jié)合的優(yōu)勢(shì)，研究了深度學(xué)

3、習(xí)算法和幾種集成算法，以及它們?cè)谌肭謾z測(cè)中的作用。接著論文對(duì)其中一種集成算法MDBoost算法進(jìn)行改進(jìn)，給出MDBoost2算法。同時(shí)，根據(jù)入侵檢測(cè)系統(tǒng)標(biāo)準(zhǔn)化組織提出的通用入侵檢測(cè)模型框架的為基礎(chǔ)，設(shè)計(jì)了一種新的檢測(cè)模型，該模型是以深度置信網(wǎng)絡(luò)為弱分類器的混合模型，并且介紹了模型的關(guān)鍵模塊即數(shù)據(jù)捕獲模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分類模塊和響應(yīng)模塊的結(jié)構(gòu)和主要功能。
　　最后，通過仿真實(shí)驗(yàn)對(duì)比同類型的模型在入侵檢測(cè)中的效果。首先是比較深