基于BiLSTM和注意力机制的入侵检测

作     者：舒豪 王晨 史崯 SHU Hao;WANG Chen;SHI Yin

作者机构：武汉邮电科学研究院烽火科技学院湖北武汉430000 南京烽火软件科技有限公司江苏南京210000 

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

年 卷 期：2020年第41卷第11期

页      码：3042-3046页

摘      要：由于传统网络入侵检测方法的局限性无法满足当前网络安全需要,为提高网络入侵检测的准确率,引入机器学习算法,提出一种基于BiLSTM(bi-directional long short-term memory)和注意力机制的网络入侵检测方法。利用BiLSTM网络进行长距离依赖特征提取,利用DNN(deep neural network)提取更深层次的特征,引入注意力机制增加对特征重要性的计算,通过softmax分类器获得分类结果。使用NSL_KDD数据集作为实验数据,实验结果表明,相比于对比方法,该方法有效提高了入侵检测的准确率,验证了该方法的有效性。

主 题 词：入侵检测 机器学习 注意力机制 双向长短期记忆 深度神经网络 

学科分类：08[工学] 0839[0839] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2020.11.007

馆 藏 号：203990539...