基于Spark-ML+Conv-LSTM的混合入侵检测系统

• 作者: 杨吉鹏 谢辉
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 入侵检测系统 深度学习 Spark-ML Conv-LSTM
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 技术交流|TECHNICALL COMMUNICATION
• 页码范围: 195-197,205
• 页数: 4页
• 分类号: TP393.08|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.12.053

摘要

为了提高网络入侵检测的准确率,提出了基于Spark-ML分类器和卷积LSTM(Conv-LSTM)网络的两阶段混合入侵检测系统(IDS).采用Spark-ML分类器构建异常流量检测模块,结合Conv-LSTM网络建立恶意攻击检测模块,兼顾了网络流量的特征提取和入侵类别的深度分析,实现了全局和局部潜在威胁特征的准确识别.通过ISCX 2012数据集进行验证,验证结果表明:所提出的混合IDS能够在97.29％的情况下准确地识别网络入侵,在10倍交叉验证测试中优于其他检测方法,并且具有较高的精确度和较低的误报率.