典型文献
一种并行多尺度特征融合的入侵检测模型
文献摘要：
为解决现有入侵检测方法缺乏网络流量动态时空相关性而引起的分类准确率低和误报率高等问题,提出一种并行多尺度特征融合的入侵检测模型(parallel multi-scale feature fusion,PMMF).该模型将网络流量数据以图像和序列两种形式表示,基于改进的多尺度残差卷积对流量图像进行空间特征提取和表示,引入BiLSTM模型学习流量序列的时间序列特征,将两个网络结构的输出特征融合再进行分类.在NSL-KDD数据集上测试,实验结果表明,PMMF模型在降低误报率的同时有效地提高了准确率,具有较高的入侵检测性能.
文献关键词：
入侵检测;双向长短期神经记忆网络(BiLSTM);残差卷积;多尺度
中图分类号：
作者姓名：
李国燕;周相茹;刘毅;王丽
作者机构：
天津城建大学计算机与信息工程学院,天津 300384
文献出处：
引用格式：
[1]李国燕;周相茹;刘毅;王丽-.一种并行多尺度特征融合的入侵检测模型)[J].火力与指挥控制,2022(11):29-35
A类：
B类：
多尺度特征融合,入侵检测模型,入侵检测方法,网络流量,时空相关性,分类准确率,parallel,multi,scale,feature,fusion,PMMF,流量数据,以图,多尺度残差,残差卷积,行空,空间特征提取,BiLSTM,模型学习,时间序列特征,NSL,KDD,低误报率,检测性能,双向长短期,记忆网络
AB值：
0.371807
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。
