成都工业学院学报2024，Vol.27Issue(1) ：52-56.DOI:10.13542/j.cnki.51-1747/tn.2024.01.010

基于混合神经网络模型的低速率网络入侵检测研究

Research on Detection of Low-Rate Network Intrusion based on a Hybrid Neural Network Model

刘珊珊 李根 管艺博
成都工业学院学报2024，Vol.27Issue(1) ：52-56.DOI:10.13542/j.cnki.51-1747/tn.2024.01.010
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于混合神经网络模型的低速率网络入侵检测研究

Research on Detection of Low-Rate Network Intrusion based on a Hybrid Neural Network Model

刘珊珊 1李根 2管艺博3
扫码查看

作者信息

  • 1. 广东财贸职业学院 信息技术学院,广州 510000
  • 2. 广东工商职业技术大学 人工智能与大数据学院,广东 肇庆 526040
  • 3. 广东工商职业技术大学 计算机学院,广东 肇庆 526040
  • 折叠

摘要

针对低速率入侵,常规的入侵检测方法能力不足,虚警率、漏警率偏高.为保证网络安全,提出一种基于混合神经网络模型的低速率网络入侵检测方法.利用NetFlow技术采集网络流量数据,对网络流量数据进行过滤和图像化处理.搭建由卷积神经网络和人工神经网络构成的混合神经网络模型,利用卷积神经网络提取网络流量数据的图像提取特征,利用人工神经网络检测网络入侵类型.结果表明:提出方法的虚警率、漏警率低于Transformer入侵检测方法、栈式自编码-长短期记忆(SAE-LSTM)检测方法和萤火虫优化(GSO)-基分类器检测方法,尤其在入侵速率更低(2 Mb/s)的情况下,所表现出的检测能力更为突出,说明针对低速率网络入侵问题,基于混合神经网络模型的检测方法的检测能力更强,检测结果更为准确.

关键词

混合神经网络模型/卷积神经网络/人工神经网络/低速率入侵/网络流量数据/入侵检测方法

Key words

hybrid neural network model/convolutional neural network/artificial neural network/low-rate intrusion/network traffic data/intrusion detection methods

引用本文复制引用

基金项目

广东省教育厅青年创新人才项目(2022WQNCX107)

出版年

2024
成都工业学院学报
成都电子机械高等专科学校

成都工业学院学报

影响因子：0.324
ISSN：2095-5383
参考文献量12
段落导航相关论文