基于LSTM的卷积神经网络异常流量检测方法

• 作者: 陈解元
• 来源期刊: 信息技术与网络安全
• 关键词: 异常流量检测 卷积神经网络 长短期记忆网络 深度学习
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 网络与信息安全|Network and Information Security
• 页码范围: 42-46
• 页数: 5页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2021.07.007

摘要

针对传统机器学习方法依赖人工特征提取,存在检测算法准确率低、无法应对0day漏洞利用等未知类型攻击等问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆网络(Long-Short Term Memory,LSTM)混合算法的异常流量检测方法,充分发掘攻击流量的结构化特点,提取流量数据的时空特征,提高了异常流量检测系统性能.实验结果表明,在CIC-IDS2017数据集上,多种异常流量检测的准确率均超过96.9％,总体准确率达到98.8％,与其他机器学习算法相比准确率更高,同时保持了极低的误警率.