上传者: 38747978
|
上传时间: 2023-03-06 19:31:28
|
文件大小: 2.91MB
|
文件类型: PDF
针对网络入侵检测准确率偏低而误报率偏高的问题,提出一种融合卷积神经网络(CNN)与双向长短期记忆( BILSTM)网络的网络入侵检测方法。对 Kddcup99数据集进行预处理,并分别使用CNN模型、 BILSTM模型提取局部特征和长距离依赖特征,通过注意力机制计算特征的重要性,利用 softmax分类器获得最终的分类结果实验结果表明,与基于CNN和基于LSTM的方法相比,该方法的网络入侵检测效果较好,其准确率可提高至95.0%,误检率可降低至5.1%。