基于Transformer神经网络模型的网络入侵检测方法

摘要：

网络入侵检测一直以来都是网络安全中亟待解决的关键任务之一,传统网络入侵检测方法主要通过提取多维特征,采用机器学习方法构建检测模型,大多忽略了入侵行为的时间相关性.通过提取网络入侵行为的时序特征,设计基于降维特征的多头自注意力机制Transformer网络模型,以解决传统串行化时序神经网络模型不易收敛且时间开销较大的问题,通过选取最优的损失函数和训练参数进行并行化训练,实现网络入侵行为检测.实验结果表明,基于Transformer网络模型的网络入侵检测方法在多个数据集上均获得了99％以上的精度和检出率.

关键词：入侵检测;时序神经网络;Transformer;自注意力机制;深度学习

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家电网有限公司总部科技项目资助5700-202024193A-0-0-00

在线出版日期：2021-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：81-88