基于GRU与特征嵌入的网络入侵检测

摘要：

　　当前基于神经网络的入侵检测方法并没有将数据分类信息考虑在内,无法有效利用网络流量数据的时序信息,为此将门控循环单元(gated recurrent unit,GRU)和基于分类信息的特征嵌入技术结合起来,构建了基于GRU与特征嵌入的网络入侵检测模型。利用UNSW-NB15数据集进行模型仿真实验,结果表明该模型提高了对入侵攻击的检测率,为入侵检测中大规模数据的处理提供了 一种全新的思路。

关键词： 网络入侵检测 机器学习 门循环单元 特征嵌入

作者: 颜亮 姬少培 刘栋 谢建武

作者单位: 中国电子科技集团公司第三十研究所,四川成都610041

会议类型: 国内会议

会议名称: CCF第35届中国计算机应用大会

会议地点: 湖北襄阳

会议语种:中文

页码: 559-568

在线出版日期: 2020-10-16（万方平台首次上网日期，不代表论文的发表时间）