基于生成对抗网络和混合时空神经网络的入侵检测

来源：电子测量技术杂志2024年第2期北京时间：

作者：倪志伟，行鸿彦，侯天浩，梁欣怡，王心怡

单位：南京信息工程大学电子与信息工程学院 南京 210044

摘要：针对网络入侵检测领域存在检测准确率低的问题，研究异常流量样本少和分类器性能不佳时的入侵检测模型，提出一种基于改进生成对抗网络和混合时空神经网络的入侵检测模型。改进生成对抗网络通过学习异常流量样本的分布特性，生成具有特定标签的人工异常流量样本；融合卷积神经网络和双向长短时记忆神经网络提取攻击流量的时空融合特征，利用注意力机制对时空融合特征进行加权，构建混合时空神经网络对网络流量进行分类预测。在UNSW-NB15数据集上对所提模型进行仿真实验，准确率和F1分数分别为92.93%和94.81%，表明所提模型能够有效改善原始数据集中的类别不平衡性问题，提高对异常流量样本的检测能力和网络入侵的检测准确率。

关键词：网络入侵检测;生成对抗网络;卷积神经网络;双向长短时记忆神经网络;注意力机制

基金资助：国家自然科学基金(62171228)、国家重点研发计划(2021YFE0105500) 项目资助