基于实体嵌入和长短时记忆网络的入侵检测方法

• 作者: 李宗旺 梁旭文 谢卓辰 赖训飞
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 关键词: 实体嵌入 长短时记忆网络 入侵检测 分类变量
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 553-561
• 页数: 9页
• 分类号: TP393.08
• 字数: 6955字
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2020.04.016

摘要

针对网络入侵检测过程中无法有效处理入侵数据中分类变量的表示,导致网络入侵检测准确率低、漏报率高等问题,提出一种基于实体嵌入和长短时记忆网络(long short-term memory network,LSTM)相结合的网络入侵检测方法.首先,在数据预处理时,将表示网络特征数据中的数值型变量和分类型变量数据分开,通过实体嵌入方法将分类型变量数据映射在一个欧几里得空间,得到一个向量表示,再将这个向量嵌入到数值型数据后面得到输入数据.然后,通过把数据输入到长短时记忆网络中去训练,通过时间反向传播更新参数,得到最优嵌入向量作为输入特征的同时,也得到一个相对最优的LSTM网络的检测模型.在数据集NSL-KDD上进行实验验证,结果表明实体嵌入是一种有效处理网络入侵数据中分类变量的方法,它和LSTM网络相结合组成的模型能够有效提高入侵检测率.在数据预处理时对分类变量的处理中,实体嵌入方法与传统的One-Hot编码方法相比,检测的准确率提高1.44个百分点,漏报率降低2.99个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁旭文	上海科技大学信息学院	49	311	9.0	14.0
7	谢卓辰	中国科学院上海微小卫星工程中心	7	20	3.0	4.0
8	赖训飞	中国科学院上海微系统与信息技术研究所	1	0	0.0	0.0
27	李宗旺	中国科学院上海微小卫星工程中心	1	0	0.0	0.0