融合改进堆叠编码器和多层BiLSTM的入侵检测模型OA北大核心
针对基于机器学习入侵检测模型需要大量特征工程,且对不平衡数据处理欠佳,导致检测率低、误报率高等问题。构建了一种SE-MBL的入侵检测模型。采用自适应合成采样(ADASYN)方法对少数类样本进行样本扩展,解决数据不平衡问题,形成相对对称的数据集。采用改进的堆叠自编码器进行数据降维,消除特征冗余,并引入Dropout机制来增强信息融合,提升模型的泛化能力。提出一种融合一维CNN和多层BiLSTM的模块,分别提取空间特征和时间特征,以提高模型的分类性能…查看全部>>
陈虹;姜朝议;金海波;武聪;卢健波
辽宁工程技术大学软件学院,辽宁葫芦岛125105辽宁工程技术大学软件学院,辽宁葫芦岛125105辽宁工程技术大学软件学院,辽宁葫芦岛125105辽宁工程技术大学科学技术研究院,辽宁阜新123000辽宁工程技术大学软件学院,辽宁葫芦岛125105
计算机与自动化
网络安全入侵检测数据不平衡数据降维多层BiLSTM
《计算机工程与应用》 2025 (3)
P.306-314,9
国家自然科学基金(62173171)辽宁省教育厅科研项目(LJKFZ20220198)。
评论