基于自编码器和对比学习的入侵检测研究 |
| |
引用本文: | 宋月,王怀彬.基于自编码器和对比学习的入侵检测研究[J].天津理工大学学报,2023(1):35-41. |
| |
作者姓名: | 宋月 王怀彬 |
| |
作者单位: | 天津理工大学计算机科学与工程学院 |
| |
摘 要: | 为有效提取复杂且冗余的网络流量数据特征并进行更好地特征表达,提出了一种基于自编码器和对比学习的入侵检测方法。通过自编码器可捕捉网络数据流量特征间的非线性相关性,实现对数据的降维处理和特征提取,同时,采用对比学习对网络流量数据进行表征学习,通过优化对比学习损失函数进行端到端学习。在两个基准数据集NSL-KDD和UNSW-NB15进行分类试验。结果表明,相对于其他深度学习的入侵检测方法,该模型有效地提高了识别准确率和精确率。
|
关 键 词: | 入侵检测 自编码器 特征选择 深度学习 对比学习 |
|
|