来源：期刊VIP网 时间：
作者：张万琪;宋振峰;
单位：中国人民公安大学信息网络安全学院;
摘要：通过构建深度学习模型，解决网络流量检测的二分类问题。考虑到目前因特征冗余和数据集不平衡导致模型检测效果低的问题，文中提出融合过采样的CNN-RCASE-Bi-GRU+MHA深度神经网络架构。针对原始流量数据特征维数多、不同类别样本比例不均衡的问题，采用ADASYN平衡数据集、随机森林算法结合线性相关性分析进行特征降维选择，先通过堆叠降噪自编码器进行特征强化提取，进而结合残差通道注意力模块的卷积神经网络层提取局部空间特征，并强化对重要信息的关注，之后融合多头注意力机制的双向门控循环单元进行序列建模，捕捉特征间的长短期依赖关系，获取高度融合流量数据的时间和空间维度特征。模型在UNSW＿NB15数据集的评估结果表明，该架构在测试集上的分类准确率达到0.882 0,F_1 score、精确率达到了0.888 7、0.924 2。
关键词：入侵检测;;卷积网络;;残差注意力模块;;双向门控循环单元;;特征选择;;数据平衡;;多头注意力模块
基金资助：中央高校基本科研业务费专项资金项目（2023JKF01ZK07）;; 公安部“十三五”人工智能公安应用成果系列交流项目（2019TGYDB-GADX45）
