摘要
针对网络入侵数据中样本不平衡现象导致多分类准确率普遍不高的问题,提出一种基于改进降噪自编码模型的网络入侵检测方法.在数据处理方面,对原始网络入侵数据进行数值化和归一化预处理,并且使用生成对抗网络模型来对现有入侵数据进行数据增强,从而扩充少数类样本.在入侵检测方面,对传统的降噪自编码器模型进行改进,通过在编解码网络中引用门控循环单元结构,使得该模型在具有一定的鲁棒性的同时,也保证了网络入侵数据的时序信息传递的连贯性,避免了重要数据特征的遗漏.使用UBSW-NB15数据集对所提方法进行有效性验证,实验结果表明,与决策树、随机森林、GRU-RNN等传统方法相比,所提方法在攻击类型少数类上的检测率明显提高,并且整体的检测性能更好.
国家科技期刊平台
NSTL
维普
万方数据