典型文献
基于CNN-BiLSTM与三支决策的入侵检测方法
文献摘要：
随着网络入侵行为越来越多样化和智能化,网络数据特征维数高且非线性可分,传统的入侵检测算法存在对网络数据特征提取不充分、模型分类准确率低等问题.针对上述问题,使用卷积神经网络CNN与双向长短期记忆BiLSTM相结合的方式对网络数据进行特征提取,通过多次特征提取构造出一个多粒度的特征空间.并且,利用基于三支决策(TWD)理论的分类器对网络行为进行划分,对于划分到边界域中的网络行为,根据不同粒度的特征作进一步分析.由此,提出一种基于CNN-BiLSTM和三支决策的入侵检测方法.在NSL-KDD数据集和CIC-IDS2017数据集上进行实验,结果表明该方法具有更好的入侵检测效果.
文献关键词：
CNN-BiLSTM;三支决策;特征提取;入侵检测
中图分类号：
作者姓名：
沈雪;王逊;黄树成;王云沼
作者机构：
江苏科技大学计算机学院,江苏镇江212003;中国人民解放军陆军通信训练基地,北京100029
文献出处：
引用格式：
[1]沈雪;王逊;黄树成;王云沼-.基于CNN-BiLSTM与三支决策的入侵检测方法)[J].软件导刊,2022(08):7-13
A类：
IDS2017
B类：
BiLSTM,三支决策,入侵检测方法,网络入侵,入侵行为,网络数据,数据特征,入侵检测算法,模型分类,分类准确率,双向长短期记忆,一个多,多粒度,特征空间,TWD,分类器,网络行为,分到,边界域,不同粒度,NSL,KDD,CIC,检测效果
AB值：
0.349095
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
