10.3969/j.issn.1002-0640.2022.11.006
一种并行多尺度特征融合的入侵检测模型
为解决现有入侵检测方法缺乏网络流量动态时空相关性而引起的分类准确率低和误报率高等问题,提出一种并行多尺度特征融合的入侵检测模型(parallel multi-scale feature fusion,PMMF).该模型将网络流量数据以图像和序列两种形式表示,基于改进的多尺度残差卷积对流量图像进行空间特征提取和表示,引入BiLSTM模型学习流量序列的时间序列特征,将两个网络结构的输出特征融合再进行分类.在NSL-KDD数据集上测试,实验结果表明,PMMF模型在降低误报率的同时有效地提高了准确率,具有较高的入侵检测性能.
入侵检测、双向长短期神经记忆网络(BiLSTM)、残差卷积、多尺度
47
TP393(计算技术、计算机技术)
天津市教委科研计划基金资助项目2016CJ12
2023-03-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
29-35