声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：尹晟霖,张兴兰,左利宇,
关键词：入侵检测, 混合注意力, 动态路由, 网络空间安全, 胶囊网络,
深度学习与入侵检测相结合已成为当今网络空间安全的热点话题，面临不稳定的网络安全局势，如何能够准确检测出异常流量是入侵检测的重要任务.入侵数据中的每一条样本包含着多个特征，但并不是每一个特征都会决定样本的最终性质，并且某些特征反而会影响模型的判断能力.为了解决这个问题，提出了一种基于残差的双重路由深层胶囊网络的入侵检测模型.该模型使用深层胶囊网络，增强对特征的识别提取，可提取出更高维度的数据特征；使用混合注意力机制对原始数据进行处理，使模型着重关注影响因素大的特征；通过双重路由算法多方位捕捉基于向量表示的特征，并将特征进行聚类；采取残差连接和设置噪音胶囊2个策略来稳定动态路由的过程，以减轻噪音特征的干扰.最后在NSL-KDD数据集和CICIDS2017数据集上进行实验，结果表明准确率最高可达90.31%和99.23%.
来源：2022年第2期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。