计算机工程

作者：沈学利, 刘士枫

单位：辽宁工程技术大学软件学院, 辽宁 葫芦岛 125105

关键词：入侵检测,不平衡数据,图神经网络,图边缘特征注意力,边缘分类

基金：国家自然科学基金(62173171)

入侵检测是一种网络安全技术, 旨在检测和防止未经授权的访问或攻击。现有入侵检测模型对于分布均匀的网络数据具备良好的检测性能, 但是网络中相关数据往往是不平衡的, 现有模型对少数类攻击数据的检测率低。针对上述问题, 提出一种基于图边缘特征注意力的入侵检测模型。首先, 挖掘数据内部隐藏的图结构关系, 并将数据进行归一化处理, 对样本数据的原始特征进行更新, 将数据转换成图结构; 其次, 使用图池化操作对图节点进行下采样, 降低计算复杂度, 利用图边缘特征注意力对采样后的图进行边缘特征加权聚合, 提高模型的表征能力, 将聚合后的边缘特征与节点特征拼接, 生成节点嵌入, 拼接源节点与目标节点嵌入形成边缘嵌入; 最后, 将边缘嵌入输入分类器转换成类别概率进行分类。在数据集UNSW-NB15和NSL_KDD上的对比实验结果表明, 该模型能够有效检测出少数类攻击数据, 相比现有模型提升了对不平衡数据的检测精度, 多分类检测准确率分别达到0.992 9和0.976 6。

来源：2024年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第11期