首页|期刊简介|投稿指南|分类索引|刊文选读|订阅指南|证明资料|样刊邮寄查询|常见问题解答|联系我们
商富博,韩忠华,林硕,等. 基于DSCNN-BiLSTM的入侵检测方法[J]. 科学技术与工程, 2021, 21(8): 3214-3222.
shangfubo,linshuo,et al.Intrusion Detection Method Based on DSCNN-BiLSTM[J].Science Technology and Engineering,2021,21(8):3214-3222.
基于DSCNN-BiLSTM的入侵检测方法
Intrusion Detection Method Based on DSCNN-BiLSTM
投稿时间:2020-06-21  修订日期:2021-03-31
DOI:
中文关键词:  入侵检测  主成分分析  三维图像数据  深度可分离卷积  双向长短期记忆网络
英文关键词:intrusion detection  principal component analysis  3D image data  deep separable convolution  bidirectional short and long term memory network
基金项目:国家自然科学基金项目(面上项目,重点项目,重大项目)
              
作者单位
商富博 辽宁省沈阳市浑南新区沈阳建筑大学
韩忠华 辽宁省沈阳市浑南新区沈阳建筑大学
林硕 辽宁省沈阳市浑南新区沈阳建筑大学
单丹 辽宁省沈阳市浑南新区沈阳建筑大学
戚爰伟 辽宁省沈阳市浑南新区沈阳建筑大学
摘要点击次数: 115
全文下载次数: 36
中文摘要:
      针对传统的入侵检测方法无法有效提取网络流量数据特征的问题,提出了一种基于DSCNN-BiLSTM的入侵检测方法,该方法引入了深度可分离卷积代替标准卷积从而减少了模型参数,降低了计算量,并应用双向长短期记忆网络(BiLSTM)提取长距离依赖信息的特征,充分考虑了前后特征之间的影响。首先,通过主成分分析法(PCA)对网络流量数据进行特征降维,并创新性的将一维网络流量数据转化为三维图像数据;然后,分别运用深度可分离卷积神经网络(DSCNN)和双向长短期记忆网络(BiLSTM)提取网络流量数据的空间特征和时间特征;最后,利用KDDCUP99数据集进行训练、验证和测试。实验结果表明,与其他传统的入侵检测方法相比,该方法具有更高的准确率和更低的漏报率。
英文摘要:
      Aiming at the problem that the traditional intrusion detection method can not extract the characteristics of network traffic data effectively, an intrusion detection method based on DSCNN-BiLSTM is proposed. In this method, the depth separable convolution is introduced instead of the standard convolution to reduce the parameters of the model, reduce the calculation amount, and use the bidirectional long-term memory network (BiLSTM) to capture the long-distance dependent information feature, fully consider the influence of feature information before and after. Firstly, feature dimension reduction of network traffic data by PCA, and one-dimensional network traffic data is transformed into three-dimensional image data innovatively; Secondly, the spatial and temporal features of network traffic data are extracted by DSCNN and BiLSTM respectively; Finally, KDDCUP99 data set is used to train, verify and test. Experimental results show that compared with other traditional intrusion detection methods, the method has higher accuracy and lower false alarm rate.
查看全文  查看/发表评论  下载PDF阅读器
关闭
你是第37537861位访问者
版权所有:科学技术与工程编辑部
主管:中国科学技术协会    主办:中国技术经济学会
Tel:(010)62118920 E-mail:stae@vip.163.com
京ICP备05035734号-4
技术支持:本系统由北京勤云科技发展有限公司设计

京公网安备 11010802029091号