融合CNN与BiLSTM的网络入侵检测方法

• 作者: 刘月峰 张晨荣 杨涵晰 蔡爽
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 双向长短期记忆 注意力机制 入侵检测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 安全技术
• 页码范围: 127-133
• 页数: 7页
• 分类号: TP393
• 字数: 4835字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053263

摘要

针对网络入侵检测准确率偏低而误报率偏高的问题,提出一种融合卷积神经网络(CNN)与双向长短期记忆(BiLSTM)网络的网络入侵检测方法.对KDDcup99数据集进行预处理,并分别使用CNN模型、BiLSTM模型提取局部特征和长距离依赖特征,通过注意力机制计算特征的重要性,利用softmax分类器获得最终的分类结果.实验结果表明,与基于CNN和基于LSTM的方法相比,该方法的网络入侵检测效果较好,其准确率可提高至95.0％,误检率可降低至5.1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘月峰	内蒙古科技大学信息工程学院	12	61	5.0	7.0
2	张晨荣	内蒙古科技大学信息工程学院	5	6	1.0	2.0
3	蔡爽	内蒙古科技大学信息工程学院	2	6	1.0	2.0
4	杨涵晰	内蒙古科技大学信息工程学院	2	6	1.0	2.0