逯 玉 婧

(石家庄职业技术学院 人事处，河北 石家庄 050081)

随着云计算、工业互联网、5G等新兴技术的发展，网络安全风险呈现出海量、高维与叠加的趋势,网络安全防护面临新的挑战.入侵检测是一种主动的网络安全防护技术，目前该技术仍然为研究的热点.但是，传统的入侵检测技术已经难以满足新时期网络防护的需要，因此，探索出适应新时期互联网环境的入侵检测技术具有重要的意义.

当前的入侵检测技术研究主要围绕机器学习算法展开，学者们提出了一些行之有效的入侵检测算法.文献[1]提出了一种结合改进粗糙集属性约简和K-means聚类的网络入侵检测算法，使用它可以缩短入侵检测的时间；文献[2]提出了一种改进的正则化极限学习机入侵检测算法，该算法采用天牛群优化算法对权值和阀门进行联合优化，提升了入侵检测的准确率；文献[3]提出了一种基于合成少数类过采样技术(SMOTE)和深度信念网络(DBN)的入侵检测算法(SMOTE-DBN)，该算法能够提高对少数样本的检测准确率；文献[4]提出了一种自适应遗传算法，通过搜索获取最优特征子集，具有较好的检测效果.这解决了一部分入侵检测算法的不足，但仍然有一些问题尚待解决，例如，算法参数过多，调优困难；算法容易陷入局部最优；当遇到网络攻击类型多的情况时，算法的误报率较高等.

针对当前入侵检测算法存在的部分问题，本文提出了一种自调节深度信念网络入侵检测算法(Self Adaptation Deep Belief Networks，简……