基于 BiGRU-SVM 的网络入侵检测模型

来源：计算机技术与发展杂志2023年第01期北京时间：

作者：张凡*;高仲合;牛琨

摘要：随着计算机网络的广泛应用,网络安全问题受到了前所未有的关注。 入侵检测技术是一种主动性安全防护技术,是网络安全管理的重要手段之一。 鉴于神经网络在计算机视觉、自然语言处理等　领域取得的显著成就,针对网络入侵行为具有的不确定性、复杂性、多样性和动态性等特点,提出了一种将门控循环单元(GRU) 应用于入侵检测的模型。 该模型在传统门控循环单元基础上进行　改进,采用双向门控循环单元( BiGRU) 对数据进行正向和逆向学习,然后对学习结果进行线性组合,最后引入支持向量机作为分类器。 采用京都大学蜜罐系统的 2013 年网络流量数据集进行实验　测试,在数据集上实现了网络入侵检测的二分类问题。 实验结果表明,基于支持向量机的双向门控循环单元( BiGRU-SVM) 入侵检测模型误报率降低了 5. 15 百分点,准确率提高了 14. 61 百分点。 表明 BiGRU-SVM 是一种可行且高效的方法,为网络入侵检测领域提供了一种新思路。

关键词：网络入侵检测;时间序列;双向门控循环单元;神经网络;支持向量机