来源：期刊VIP网 时间：
作者：黄迎春;邢秀祺;
单位：沈阳理工大学信息科学与工程学院;
摘要：随着网络技术的快速发展及其在军事领域的广泛应用，入侵检测技术对系统安全起着重要作用。针对传统入侵检测数据集类别不平衡问题，提出一种融合卷积门控循环单元（CNN-GRU）和基于自注意力机制的神经网络模型（Transformer）的网络入侵检测方法 CGT(CNN-GRU Transformer)，该方法针对双向长短期记忆网络（LSTM）只考虑时序特征而忽略空间特征且参数较多的特点优化入侵检测技术，融合过-欠采样与Wasserstein生成对抗网络的数据平衡处理模型NBW(Neighbourhood-cleaning-rule borderline-SMOTE WGAN)对数据集进行平衡处理。实验结果证明，所提出的方法在NSL-KDD数据集上表现出较好的效果，有效提升了入侵检测性能。
关键词：入侵检测;;卷积门控循环单元;;数据平衡处理;;领域清理规则;;神经网络
基金资助：国家自然科学基金资助项目（61971291）
