融合MultiHead Attention和BiGRU的入侵检测模型
樊景威1
葛丽娜2
张壕2
李登辉2
1.广西民族大学电子信息学院 南宁 530006;广西民族大学网络通信工程重点实验室 南宁 5300062.广西民族大学人工智能学院 南宁 530006;广西民族大学网络通信工程重点实验室 南宁 530006
摘要：近年来,入侵检测技术在网络安全中扮演着越来越重要的角色.目前的入侵检测模型所用的方法大部分是基于传统机器学习的浅层方法.浅层机器学习方法不能有效发掘数据特征,在入侵检测中存在一定的局限性.为此,论文提出了一种深度学习模型,该模型结合了多头注意力(multiHead attention)和双向门循环单元(BiGRU).模型使用多头注意力和双向门循环单元从空间和时间上处理网络攻击流量,有效缓解模型复杂性,同时增加模型表现力.此外,使用最大池化方法(maxpooling)来平衡训练速度和性能,不但可以提取序列的边缘特征,还能帮助扩大感受野,由于数据不平衡会影响模型性能表现,因此使用随机过采样(Random Over Sampling)方法来处理数据不平衡的问题.实验基于UNSW-NB15数据集和CIC-IDS2017数据集,并使用准确率(Accuracy)、精确率(Precision)、召回率(Recall)和f1分数作为评估指标.实验结果表明,模型性能优秀.
关键词：多头注意力双向门控循环单元神经网络入侵检测
分类号：O141.4(数理逻辑、数学基础)
资助基金：国家自然科学基金(61862007)广西自然科学基金项目(2020GXNSFBA297103)
论文发表日期：2023-01-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 74-80 )
英文信息