计算机工程

作者：陈虹, 王瀚文, 金海波

单位：辽宁工程技术大学软件学院, 辽宁 葫芦岛 125000

关键词：网络入侵检测,深度学习,栈式自编码器,残差网络,CIC-IDS-2017数据集

基金：国家自然科学基金(62173171)

互联网中存在大量隐私数据，因此防止网络入侵成为保护网络安全的关键问题。为提高网络入侵检测的准确率并解决其收敛慢问题，设计一种改进的堆叠自动编码器和残差网络（ISAE-ResNet）入侵检测模型。融合栈式自编码器和残差网络，首先将预处理后的数据输入到改进的栈式自编码器中，该栈式自编码器由2个副编码器和1个主编码器组成，数据经过副编码器和主编码器训练后重构出新的特征来防止过拟合问题；然后将解码层的权重捆绑到编码层进行优化，使模型参数减半来进行降维，提高模型的收敛速度；最后将处理过的数据输入到改进的残差网络中，并基于改进的ResNet网络设计一种加入软阈值函数的残差模块，通过降低数据中的噪声来提高模型准确率。在CIC-IDS-2017数据集上的实验结果表明，该模型准确率为98.67%，真正例率为95.93%，误报率为0.37%，损失函数值快速收敛至0.042，在准确率、真正例率、误报率和收敛速度方面均超过对比入侵检测模型，具有较高的有效性和可行性。

来源：2024年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第2期