基于多尺度融合和时空特征的网络入侵检测模型

作     者：龚星宇 来源 李娜 雷璇 GONG Xing-yu;LAI Yuan;LI Na;LEI Xuan

作者机构：西安科技大学计算机科学与技术学院陕西西安710600 

基　　金：国家自然科学基金项目(62002285) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2024年第45卷第6期

页      码：1640-1646页

摘      要：针对入侵检测模型提取特征能力不足,且流量数据中含冗余噪声的问题,提出一种基于多尺度融合和时空特征的ML-PFN入侵检测模型。采用多尺度特征融合技术分别提取数据中浅层特征信息和深层特征信息,使模型学习的特征更加丰富;采用软阈值函数和注意力机制自动选择合适的阈值,减少噪声及不相关信息对模型的干扰;融合时空特征构成多尺度空间特征提取长短时记忆-并行特征网络(MSFE LSTM-parallel feature network, ML-PFN)模型,并应用于网络入侵检测。通过3个公开数据集进行性能评估,实验结果表明,ML-PFN模型对比其它5种分类模型各项指标效果最好,在训练时长适中的同时准确率达到96.45%。

主 题 词：入侵检测 冗余噪声 多尺度融合 时空特征 软阈值 注意力机制 长短时记忆 

学科分类：0839[0839] 08[工学] 

D　O　I：10.16208/j.issn1000-7024.2024.06.006

馆 藏 号：203128236...