10.16208/j.issn1000-7024.2020.11.007
基于BiLSTM和注意力机制的入侵检测
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.
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
41
TP309(计算技术、计算机技术)
2020-11-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
3042-3046