AE-EM：一种期望最大化Web入侵检测算法

来源：计算机工程与应用杂志2025年第3期北京时间：

作者：尹兆良, 黄于欣, 余正涛

单位：1.昆明理工大学 信息工程与自动化学院，昆明 650500；2.云南省人工智能重点实验室，昆明 650500；3.国家计算机网络与应急技术处理协调中心 云南分中心，昆明 650100

摘要：现有的入侵检测算法集中在模式匹配、阈值分割法和多层感知机等机器学习和以神经网络深度学习方法上，在处理基于签名和异常的入侵时效果显著，但耗时费力。在面对Web入侵场景时，现有方法将检测模式重心放在网络流量分析（NTA）上，对URL携带的负载信息和流量之间的关联语义信息提取不足，异常检测效果有待提升。提出一种无监督算法，名为注意力扩展期望最大化算法（attention expand expectation-maximization algorithm，AE-EM），该算法提取应用层URL中的攻击负载语义，采用Attention机制混合编码网络层流量结构化数据，训练融合多维特征和关联应用层语义的向量作为算法的输入，使用轻量化期望最大化算法估计高斯混合模型的参数，用于网络安全入侵检测的Web入侵检测场景。通过在基线数据集上使用常用的学习算法和消融实验比较，提出的AE-EM算法在Web入侵检测领域准确率和性能上优于传统算法。

关键词：入侵检测,Web攻击检测,注意力机制,EM算法,AE-EM算法