基于自编码器和对比学习的入侵检测研究

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。