Page 129 - 大数据背景下网络安全问题研究

» 第五章 机器学习在网络信息安全中的应用

（八）EM（期望最大化）算法
在进行机器学习的过程中需要用到极大似然估计等参数估计方法，在有潜在变量
的情况下，通常选择EM算法，不是直接对函数对象进行极大估计，而是添加一些数
据进行简化计算，再进行极大化模拟。它是对本身受限制或比较难直接处理的数据的

极大似然估计算法。
（九）深度学习
深度学习（DL，Deep Learning）是机器学习（ML，Machine Learning）领域中

一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能（AI，
Artificial Intelligence）。
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对
诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人

一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的
机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
深度学习在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体

学习、语音、推荐和个性化技术以及其他相关领域都取得了很多成果。深度学习使机
器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相
关技术取得了很大进步。

第二节 机器学习的应用范围及发展

一、机器学习的发展

（一）发展历程
机器学习实际上已经存在了几十年或者也可以认为存在了几个世纪。追溯到17世

纪，贝叶斯、拉普拉斯关于最小二乘法的推导和马尔可夫链，这些构成了机器学习广
泛使用的工具和基础。1950年（艾伦·图灵提议建立一个学习机器）到2000年初（有
深度学习的实际应用以及最近的进展，如2012年的Alex Net），机器学习有了很大的
进展。

从20世纪50年代研究机器学习以来，不同时期的研究途径和目标并不相同，可以
划分为四个阶段。
1.第一阶段从20世纪50年代中叶到20世纪60年代中叶

这个时期主要研究“有无知识的学习”，这类方法主要是研究系统的执行能力。
这个时期，主要通过对机器的环境及其相应性能参数的改变来检测系统所反馈的数

• 117 •