典型文献
基于自监督特征增强的CNN-BiLSTM网络入侵检测方法
文献摘要：
针对网络入侵检测中攻击样本和流量特征不足的问题,提出一种基于自监督特征增强的CNN-BiLSTM网络入侵检测方法,实现在流量数据中检测异常网络流量的目标.通过分析流量特征数据分布差异,采用IQR异常值处理方法进行数据预处理,使用自编码器对攻击样本进行数据增强,构建CNN-BiLSTM神经网络和自编码器组成半自监督模型,分别提取高维流量特征和自监督特征,将组合特征作为最终特征输入到分类模型中进行预测分类,实现网络入侵检测.实验结果表明,与其他入侵检测方法相比,所提方法在准确率和F1分数上分别达到了 85.7％和85.1％,能够有效提高网络入侵的检测精度以及对未知攻击的检测能力.
文献关键词：
深度学习;自监督学习;数据增强;网络入侵检测
中图分类号：
作者姓名：
梁欣怡;行鸿彦;侯天浩
作者机构：
南京信息工程大学江苏省气象灾害预报预警与评估协同创新中心 南京 210044
文献出处：
引用格式：
[1]梁欣怡;行鸿彦;侯天浩-.基于自监督特征增强的CNN-BiLSTM网络入侵检测方法)[J].电子测量与仪器学报,2022(10):65-73
A类：
B类：
特征增强,BiLSTM,网络入侵检测,入侵检测方法,流量特征,流量数据,异常网络流量,特征数据,数据分布,分布差异,IQR,异常值,数据预处理,自编码器,对攻,数据增强,高维,组合特征,分类模型,预测分类,检测精度,未知攻击,检测能力,自监督学习
AB值：
0.27709
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
