基于Borderline-SMOTE和双Attention的入侵检测方法
随着互联网的发展,网络环境愈加复杂,由此导致的网络安全问题不断出现,因此网络安全的防护成为一项重要研究课题.针对真实网络环境中采集到的流量数据非平衡以及传统机器学习方法提取特征表示不准确等问题,文中提出一种基于Borderline-SMOTE和双Attention的入侵检测方法.首先对入侵数据进行Borderline-SMOTE过采样处理,解决了数据非平衡问题,并且利用卷积网络在图像特征提取方面的优势,将一维流量数据转化为灰度图像;然后通过双注意力网络分别从通道维度和空间维度对低维特征进行维度更新,得到更精准的特征表示;最后利用Softmax分类器对流量数据进行分类预测.所提方法的仿真实验均已在NSL-KDD数据集上得到验证,其准确率达到99.24%,相比其他常用方法准确率更高.
网络安全、Borderline-SMOTE、双Attention、入侵检测、非平衡问题
48
TP181(自动化基础理论)
国家自然科学基金项目;山西省国际科技合作重点研发计划项目
2021-03-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
327-332