基于贝叶斯优化与时空注意力的恶意流量检测方法OA
针对当前恶意网络流量检测技术准确率不足、超参数依赖手动调整的问题,本文提出一种基于贝叶斯优化与时空注意力的双向循环网络恶意流量检测方法,通过双向长短时记忆网络提取网络流量数据的时间特征和空间特征,使用贝叶斯优化搜索最优的网络参数。本文创新性地提出多尺度流量协议增强模块,通过多级协议解析、动态特征融合与注意力协同机制,显著增强了对复杂攻击链的时空特征表征能力。同时,为建立时空特征间的深度关联,本文提出多头时空注意力机制,通过4组并行注意力头协同建模毫秒级协议瞬变、秒级交互时序、分钟级攻击链演进及跨协议关联特性,有效提升对隐蔽威胁的识别精度。采用CIC-IDS2017数据集进行实验,结果表明,本文方法在多分类和二分类的准确率分别达到99.46%和99.59%,性能均优于其他方法。
韩刚;王浩然;苏天森;马妍;薛玉皎
西安邮电大学网络空间安全学院,西安710121 空天地一体化综合业务网全国重点实验室(西安电子科技大学),西安710126西安邮电大学网络空间安全学院,西安710121西安邮电大学网络空间安全学院,西安710121西安邮电大学网络空间安全学院,西安710121西安邮电大学网络空间安全学院,西安710121
信息技术与安全科学
恶意流量检测贝叶斯优化注意力机制循环神经网络数据特征
《信息安全研究》 2026 (8)
P.721-729,9
国家自然科学基金项目(62102312)陕西省重点研发计划项目(2024GX-YBXM-079)ISN全国重点实验室开放课题(ISN24-13)陕西省高校科协青年人才基金(20210119)陕西省高校青年创新团队项目(23JP160)陕西省高校青年创新团队(23JP162)。
评论