基于子空间距离的多尺度时空特征提取网络入侵检测OA
针对当前网络入侵检测中特征冗余复杂、类别不平衡及时空特征提取不充分的问题,本文提出一种基于子空间距离的多尺度时空特征提取入侵检测模型。首先基于方差—协方差子空间距离,对预处理后的数据开展特征选择,提取可有效近似原始特征空间的代表性特征子集;其次,利用改进的焦点损失动态调整不同类别的损失贡献,解决类别不平衡问题;最后,基于时空特征提取构建了一种融合门控扩张卷积与LSTM通道机制的流量异常检测模型。在UNSW-NB15数据集上的实验结果表明,该模型可以有效改善样本不平衡问题,实现较高的检测准确率。
黄冬梅;周浩;张文博;贺琪;胡安铎;孙园
上海电力大学电气工程学院,上海200090上海电力大学电子与信息工程学院,上海201306上海海洋大学信息学院,上海201306上海海洋大学信息学院,上海201306上海电力大学电子与信息工程学院,上海201306上海电力大学数理学院,上海201306
信息技术与安全科学
入侵检测特征选择类不平衡时空特征提取膨胀卷积
《信息安全研究》 2026 (8)
P.750-758,9
国家自然科学基金青年科学基金资助项目(62102243)。
评论