来源：期刊VIP网 时间：
作者：李婧;杨兴凯;
单位：上海电力大学计算机科学与技术学院;
摘要：面对海量不平衡网络流量数据，传统入侵检测技术的准确度不高。为解决此问题，提出了一种基于融合特征和残差网络的入侵检测模型RBAT。利用SMOTE过采样和TOMEK LINK欠采样结合的综合采样方法解决原始数据不平衡问题。利用双向门控循环神经网络GRU、卷积神经网络CNN提取数据的时间特征和空间特征，添加注意力机制，强化2种特征关键信息的重要程度，再将2种特征通过跨层连接的方式融合，融合的特征模块与残差网络结合，提高模型拟合能力和准确度。实验采用经典的NSLKDD作为基准数据集进行仿真测试，结果表明：与其他模型相比，该模型检测准确度为99.62%。
关键词：入侵检测;;深度学习;;融合特征;;注意力机制;;残差网络
基金资助：国家自然科学基金资助项目（61872230,61572311）
