典型文献
基于空时特征融合和注意力机制的网络入侵检测模型
文献摘要：
针对网络入侵检测性能不高的问题,提出一种基于空时特征融合和注意力机制的深度学习入侵检测模型CTA-net.该模型通过集成卷积神经网络(CNN)和长短时记忆网络(LSTM)获取空时融合特征,然后使用注意力模块(Attention)对输入的空时融合特征进行重要性加权计算,最后通过softmax函数进行分类.使用NSL-KDD数据集的实验结果表明,相比具有相似结构的CNN模型和空时融合的CNN-LSTM模型,在训练集的收敛性具有显著的提升,在测试集上使用的分类评价指标准确率分别提升10.9120个百分点和11.8740个百分点,精确率分别提升9.1950个百分点和9.6130个百分点,召回率分别提升9.1780个百分点和9.9340个百分点,F1-SCORE分别提升10.7830个百分点和11.7500个百分点.仿真结果表明,所提出的CTA-net模型在网络入侵检测方面具有较好的应用潜力.
文献关键词：
网络入侵检测;卷积神经网络;长短期记忆网络;注意力机制;NSL-KDD
中图分类号：
作者姓名：
饶海兵;朱苏磊;杨春夏
作者机构：
上海师范大学信息与机电工程学院,上海200234
文献出处：
引用格式：
[1]饶海兵;朱苏磊;杨春夏-.基于空时特征融合和注意力机制的网络入侵检测模型)[J].计算机与现代化,2022(06):116-121
A类：
B类：
特征融合,注意力机制,网络入侵检测,入侵检测模型,检测性能,CTA,net,长短时记忆网络,融合特征,注意力模块,Attention,softmax,NSL,KDD,相似结构,训练集,收敛性,测试集,分类评价,百分点,精确率,召回率,SCORE,长短期记忆网络
AB值：
0.254676
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。
