基于multi-CNN的专用网络入侵检测模型设计与仿真

作     者：万壮 赵云 陆川 朱光剑 WAN Zhuang;ZHAO Yun;LU Chuan;ZHU Guangjian

作者机构：西南交通大学土木工程学院四川成都610031 成都地铁运营有限公司维保分公司四川成都610000 成都慧宝高科信息技术有限公司四川成都610041 中共四川省委党校信息技术部四川成都610071 成都久信信息技术股份有限公司四川成都610041 

基　　金：四川省科学技术厅“软件代码安全检测服务平台示范项目”(2019GFW177) 

出 版 物：《现代电子技术》 (Modern Electronics Technique)

年 卷 期：2023年第46卷第2期

页      码：80-84页

摘      要：多尺度卷积神经网络模型在网络入侵检测中可获取更丰富的局部特征。针对浅层卷积核神经网络获取数据局部特征能力较差的不足,文中基于多尺度卷积神经网络,提出一种改进的列车通信专用网络入侵检测模型。该模型对Inception V3网络加以改进,并将模型部分大尺寸卷积核进行合理缩小并串联,以增强模型获取数据局部特征的能力;同时结合循环神经网络对时间序列的学习能力,利用Bi-GRU模型对局部特征进行学习,使模型训练后的数据也具有全局特征。实验测试结果表明:所设计模型在二分类测试中的准确度与Inception V3模型相比提升约1.3%,运行时间缩短近5.2 s;在五分类测试中,与其他对比算法相比准确度平均提升1.7%。该模型有良好的性能及效率,可有效且准确地对网络入侵进行检测。

主 题 词：网络入侵检测 多尺度卷积神经网络 检测模型 模型训练 特征学习 实验环境搭建 模型性能测试 

学科分类：0810[工学-土木类] 08[工学] 081203[081203] 081001[081001] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16652/j.issn.1004-373x.2023.02.016

馆 藏 号：203116261...