基於深度學習和半監督學習的入侵檢測算法（文獻DOI：10.1327四、j. cnki.hdzj.2017.01.024）

（1）深度學習

      1.特徵提取原理：採用稀疏自編碼器

      2.稀疏性限制：採用基於kl散度的方法實現。

(2)介紹半監督學習：介於監督學習和無監督學習。

監督學習使用所有樣本標籤來訓練學習，經過分類樣本訓練分類器參數，實現分類器學習。須要大量樣本，實現起來困難。

無監督學習存在分類偏差較大缺陷

半監督訓練：結合兩者，對少許標記的數據和大量無標記的數據進行訓練，不使用所有分類標籤，提升準確性。

本文存在問題：在數據較少的狀況下此方法檢測率和誤報率不理想。緣由：在數據量不足狀況下，稀疏自編碼器沒法獲得全面的訓練。獲得矩陣不完善。

檢測率94.69   誤報率0.93