基于改进LSTNet的入侵检测方法研究
李保珠
海军装备部 北京 100071
摘要：随着物联网(IoT)系统中安全漏洞日益增多,传统入侵检测方法已难以满足对僵尸网络攻击的实时、精准检测需求.现有方法在资源受限场景下面对周期性、突发型攻击缺乏上下文感知,存在"模型复杂、误报率高"的问题.针对该问题,论文提出一种用于检测僵尸网络攻击的紧凑高效入侵检测方法.首先,通过流量模式分析、时间序列学习及集中特征提取,对N-BaIoT数据集进行紧凑表征;然后,基于DenseNet和改进的LSTNet模型构建轻量级检测框架,实现对僵尸网络攻击的快速识别.实验表明,论文方法在N-BaIoT数据集上准确率达95％,同时在多个场景下保持了较高的精确率与召回率,验证了其在实际环境中和未见数据上的有效性.
关键词：入侵检测LSTNetDenseNet
分类号：TP393.08(计算技术、计算机技术)
论文发表日期：2025-12-20
在线出版日期：2026-03-23（本平台首次上网日期，不代表文献的发表时间）
页数：5( 124-128 )
英文信息