基于改进CBAM和BiGRU的入侵检测模型

来源：计算机技术与发展杂志2024年第09期北京时间：

作者：许东园;曹争光;黄春麟

摘要：现有方法存在着网络流量数据不平衡、检测准确率不足和误报率上升等问题。 该文提出了一种基于改进的 CBAM(Convolutional Block Attention Module)、膨胀卷积和 BiGRU(双向门控循环单元)的网络入侵检测模型,旨在解决现有方法存在的问题。 具体来说,为了应对数据分布不平衡的问题,采用了 ADASYN(自适应过采样)算法进行自适应过采样,以平衡数据集。 为解决检测准确率不足和误报率上升的问题,在特征提取阶段,首先引入了三层膨胀卷积,拓展感受野范围,从而全面地捕捉网络流量的特征。 其次,采用改进的 CBAM 模块增强膨胀卷积对高级特征的提取能力。 最后,引入 BiGRU 用于更深入捕捉特征之间的长期依赖关系,进一步提升模型的性能。 实验结果表明,在 NSL-KDD 数据集上,该方法相对于其他方法具有更高的准确率(99. 51% )和更低的误检率(2. 90% ),这表明该模型在网络入侵检测任务中是一种可行有效的方法。

关键词：网络入侵检测;膨胀卷积;卷积注意力模块;双向门控循环单元;ADASYN过采样