基于自编码器和对比学习的入侵检测研究

摘要：

为有效提取复杂且冗余的网络流量数据特征并进行更好地特征表达,提出了一种基于自编码器和对比学习的入侵检测方法.通过自编码器可捕捉网络数据流量特征间的非线性相关性,实现对数据的降维处理和特征提取,同时,采用对比学习对网络流量数据进行表征学习,通过优化对比学习损失函数进行端到端学习.在两个基准数据集NSL-KDD和UNSW-NB15进行分类试验.结果表明,相对于其他深度学习的入侵检测方法,该模型有效地提高了识别准确率和精确率.

关键词：入侵检测、自编码器、特征选择、深度学习、对比学习

所属期刊栏目：39

分类号：TP393.0(计算技术、计算机技术)

资助基金：天津科技重大专项16YDLJGX00210

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：35-41