目前,网络入侵行为隐蔽性日益增强,传统检测手段面临挑战.提出了一种基于异常流量多级特征提取的网络入侵检测方法.首先,构建了一个多级特征提取模块,以增强网络数据流中高度隐蔽的入侵序列的特征,提升其辨识度与显著性.然后,引入长短期记忆循环神经网络作为核心识别引擎,对特征增强的数据流量进行精准分析,输出高置信度的检测结果.最后,为确保所提方法的稳健性与实用性,在自建的局域网环境中,采集了多样化的数据样本,并结合多种损失函数进行模型的训练与优化.实验结果表明,相较于传统及现有的对比方法,所提网络入侵检测方法在标准测试集及实际网络环境数据中均展现出卓越的性能,为现代网络空间中的隐蔽入侵行为检测提供了有力的技术支撑.
万方数据
维普
