融合改进堆叠编码器和多层BiLSTM的入侵检测模型

来源：计算机工程与应用杂志2025年第3期北京时间：

作者：陈虹, 姜朝议, 金海波, 武聪, 卢健波

单位：1.辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105 ；2.辽宁工程技术大学 科学技术研究院，辽宁 阜新 123000

摘要：针对基于机器学习入侵检测模型需要大量特征工程，且对不平衡数据处理欠佳，导致检测率低、误报率高等问题。构建了一种SE-MBL的入侵检测模型。采用自适应合成采样（ADASYN）方法对少数类样本进行样本扩展，解决数据不平衡问题，形成相对对称的数据集。采用改进的堆叠自编码器进行数据降维，消除特征冗余，并引入Dropout机制来增强信息融合，提升模型的泛化能力。提出一种融合一维CNN和多层BiLSTM的模块，分别提取空间特征和时间特征，以提高模型的分类性能。在NSL-KDD和CICIDS2017数据集上的实验结果表明，该模型可以实现较高的正确率和召回率，优于传统机器学习和深度学习方法。

关键词：网络安全,入侵检测,数据不平衡,数据降维,多层BiLSTM