申请/专利权人:北方工业大学
申请日:2023-06-26
公开(公告)日:2023-08-25
公开(公告)号:CN116647409A
主分类号:H04L9/40
分类号:H04L9/40;G06N3/0464;G06N3/045;G06F18/23213
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.09.12#实质审查的生效;2023.08.25#公开
摘要:本发明公开了一种基于WK‑1DCNN‑GRU混合模型的入侵检测方法,针对网络流量数据入侵检测数据不平衡问题进行研究,根据类别数目对网络流量数据进行WGAN‑GP和K‑Means的均衡化处理,以解决数据不平衡问题,从而保证网络训练效果;同时,针对检测率低、训练效率慢等问题构建基于1DCNN‑GRU串联网络的入侵检测模型,通过入侵检测模型从空间和时间两方面进行特征提取,该模型其有结构简单,网络复杂度低,能够快速收敛等优点。
主权项:1.一种基于WK-1DCNN-GRU混合模型的入侵检测方法,其特征在于,包括:对获取的网络流量数据集进行预处理,再提取出训练集;根据训练集中各类别的样本数目对所述训练集做均衡化处理,获得均衡的训练集;构建基于1DCNN-GRU串联网络的入侵检测模型,并使用所述均衡的训练集进行训练;利用训练后的基于1DCNN-GRU串联网络的入侵检测模型对输入的网络流量进行空间特征和时间特征的提取,并结合提取出的空间特征和时间特征进行入侵检测。
全文数据:
权利要求:
百度查询: 北方工业大学 一种基于WK-1DCNN-GRU混合模型的入侵检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。