基于BiGRU的入侵检测模型

摘要：

为了解决基于传统机器学习入侵检测算法准确率较低和泛化能力较弱的现象,提出了一种基于BiGRU结合Batch Normalization机制、DropOut算法的网络入侵检测方法.该方法采用BiGRU网络提取数据特征,利用Batch Normalization机制和DropOut算法的优点对数据进行归一化,并对神经元进行随机失活,增强模型泛化能力,最后使用softmax对结果进行分类.在公开数据集NSL-KDD上的结果显示,与RNN及CNN入侵检测方法相比,在二分类检测与五分类检测两个实验中准确率和召回率更高.

关键词：入侵检测;双向门控循环神经网络;深度学习;数据特征

所属期刊栏目：17

分类号：TP393(计算技术、计算机技术)

资助基金：广东省重点领域研发计划项目;广州市科技计划项目

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：146-150,167