隨著計算機和網路的廣泛應用，駭客經由網路的入侵攻擊也日益增多。因此，企業以及國家單位多會以入侵偵測系統抵禦駭客入侵。近年來，由於機器學習技術的盛行，已經有?多研究在入侵偵測系統中使用機器學習和深度學習，原因是機器學習是一種良好的預測模型，可以準確地進行分類工作，適用於偵測網路異常的分類。本文提出了一種基於智能深度學習方法的入侵偵測系統。其中包含預先特徵分群的機制可以降低特徵維度且有效幫助特徵提取，並且所提出的用於特徵提取的深度學習方法是贏者全拿自動編碼器，其已經被證明在提取數據特徵方面是有效的並且對分類工作具有良好的效果。最後，使用支持向量機進行入侵行為的判別並且在NSL-KDD和CICIDS2017數據集上進行實驗。實驗結果表明，我們所使用的贏者全拿自動編碼器以及預先特徵分群這兩種方法都能有效提升準確率，並且在NSL-KDD數據集的準確度為87 24％，是NSL-KDD數據集研究中最高準確率。在CICIDS2017數據集上的性能也優於其他的相關研究，有著97 92%的準確度。我們所提出的入侵偵測系統擁有較高入侵偵測的準確性，並且提供了一套全新的入侵偵測方法。
A Deep Learning based Approach for Intrusion Detection System
昊, 柯. (Author). 2019
學生論文: Doctoral Thesis