基于Transformer-XL-DNN的网络入侵检测方法

文档摘要：网络入侵检测(NIDS)是保障网络安全的重要手段.目前,基于深度学习的网络入侵检测方法难以高效捕捉数据时序特征,存在分类准确性和实时性难以平衡的问题.提出了一种基于Transformer-XL和DNN的混合模型Transformer-XL-DNN.该模型采用Transformer-XL多头注意力机制对网络流量数据的全局特征进行初步提取,利用其独有的循环机制和位置编码方法高效地捕捉特征之间的时序信息.采用Transformer-XL的残差连接对这些数据特征进行恒等映射,以应对模型中的梯度消失和网络退化问题.采用DNN模型提取深层抽象特征,通过Softmax分类器输出分类结果.同时,采用自适应过采样方法(ADASYN)使网络攻击流量和正常流量保持相对均衡,解决网络入侵检测训练数据集数据不平衡的问题.实验表明,在NSL-KDD数据集上TransXL-DNN的二分类准确率达到90.26%,明显优于TCN-DNN、BiLSTM-DNN、Transformer-DNN等网络入侵检测模型.

作者：项天旭   陆臻   张上   刘继顺 Author：
作者单位：水电工程智能视觉监测湖北省重点实验室,湖北宜昌443002;湖北省建筑质量检测装备工程技术研究中心,湖北宜昌443002;三峡大学计算机与信息学院,湖北宜昌443002公安部第三研究所,上海200031
刊名：电脑编程技巧与维护
Journal：ComputerProgrammingSkills&Maintenance
年，卷(期)：2024, (6)
分类号：
关键词：网络入侵检测  Transformer-XL模型  多头注意力机制  残差连接  深度神经网络  自适应过采样  
机标分类号：TP391TP181TN929.53
在线出版日期：2024年7月2日
基金项目：上海市科技创新行动计划基于Transformer-XL-DNN的网络入侵检测方法[
期刊论文]  电脑编程技巧与维护--2024, (6)项天旭  陆臻  张上  刘继顺网络入侵检测(NIDS)是保障网络安全的重要手段.目前,基于深度学习的网络入侵检测方法难以高效捕捉数据时序特征,存在分类准确性和实时性难以平衡的问题.提出了一种基于Transformer-XL和DNN的混合模型Transformer-XL-DNN...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：

2024-10-4 00:32 上传 基于Transformer-XL-DNN的网络入侵检测方法.pdf

文件大小:

1.52 MB

下载次数:

60

高速下载