- (05-26)·基于极限树特征递归消除和 LightGBM 的异常检测模型
- (05-26)·基于联邦学习的入侵检测机制研究
- (05-26)·基于双重注意力的入侵检测系统
- (05-26)·基于 LSTM-Attention 的内部威胁检测模型
- (05-26)·基于网络结构自动搜索的对抗样本防御方法研究
基于双重注意力的入侵检测系统
2022-05-26 22:23:05 来源: 点击:
文档介绍
摘 要 :在当今互联网飞速发展的时代,人们在网络中信息交互的次数日益增多,使得网络安全显得尤为重要。文章以增强模型检测异常流量的能力为研究目的,提出一种基于注意力机制的胶囊网络模型。在特征提取阶段和动态路由阶段分别融入注意力机制,增强了模型提取关键特征的能力,提升了在入侵检测任务中的准确率。在NSL-KDD 数据集和 CICDS2017 数据集进行实验,结果表明文章所提模型在泛化能力方面高于其他模型,在 CICIDS2017 的测试集上,准确率达 97.56% ;在 NSL-KDD的测试集上,准确率可达 95.88%。相较于其他传统常用的入侵检测模型,效率有显著
提升。
下载地址
分享到:
Copyright © 2005-2021 网信安全世界版权所有