基于CPO-BiLSTM-KAN的网络恶意流量检测方法研究

来源：电子测量技术杂志2026年第1期北京时间：

作者：刘凤春，王子贺，杨爱民，袁书娟，孔闪闪

单位：华北理工大学理学院 唐山 063210

摘要：随着网络攻击手段的多样化和流量特征的复杂化，网络恶意流量的检测面临着越来越严峻的挑战。传统的流量检测方法在准确性和可靠性方面逐渐无法满足现代网络环境的需求，尤其是在高维数据和复杂攻击模式的情况下。为解决上述问题，本文提出了一种基于冠豪猪优化算法、双向长短期记忆网络和Kolmogorov-Arnold网络的网络恶意流量检测模型。该模型利用双向长短期记忆网络捕捉流量数据的双向时序特征，结合Kolmogorov-Arnold网络的非线性映射增强特征表达能力，并通过冠豪猪优化算法优化超参数提升模型性能。采用CIC UNSW-NB15增强数据集进行实验，实验结果表明，模型在二分类和多分类任务中准确率分别达到99.12%和94.15%，显著优于其他模型。此外，模型在应对类别不均衡时，特别增强了对Backdoor和Worms等少数类样本的检测能力。

关键词：恶意流量检测;双向长短期记忆网络;Kolmogorov-Arnold网络;冠豪猪优化算法

基金资助：河北省网络信息安全及风险防范综合治理研究（20230203095）项目资助