基于生成對抗網(wǎng)絡(luò)和混合時空神經(jīng)網(wǎng)絡(luò)的入侵檢測

摘要： 針對網(wǎng)絡(luò)入侵檢測領(lǐng)域存在檢測準確率低的問題，研究異常流量樣本少和分類器性能不佳時的入侵檢測模型，提出一種基于改進生成對抗網(wǎng)絡(luò)和混合時空神經(jīng)網(wǎng)絡(luò)的入侵檢測模型。改進生成對抗網(wǎng)絡(luò)通過學(xué)習(xí)異常流量樣本的分布特性，生成具有特定標簽的人工異常流量樣本；融合卷積神經(jīng)網(wǎng)絡(luò)和雙向長短時記憶神經(jīng)網(wǎng)絡(luò)提取攻擊流量的時空融合特征，利用注意力機制對時空融合特征進行加權(quán)，構(gòu)建混合時空神經(jīng)網(wǎng)絡(luò)對網(wǎng)絡(luò)流量進... （共8頁）