基于TCN-BiLSTM的入侵检测算法研究

作者：白万荣; 魏峰; 郑广远^*; 王宝会

来源：计算机科学, 2023, 50(S2): 941-948.

• 入侵检测
• 时间卷积网络
• 双向长短期记忆网络

网络安全直接关系到国家安全，如何准确高效地检测到电网中的网络威胁至关重要。针对传统CNN感受野较小以及未考虑数据时序特征的问题，结合网络流量数据的空间特征和时间特征，提出了一种基于时间卷积网络（TCN）和双向长短期记忆网络（BiLSTM）的注意力入侵检测算法。首先将网络流量特征进行特征编码，再使用森林优化特征筛选算法，减少数据的冗余性；然后进行重采样，解决数据不平衡问题；最后将数据输入到深度神经网络中，处理后的数据经过TCN和BiLSTM网络进行特征学习，通过自注意力机制进行权重分配，最终进行分类，实现入侵检测。在NSL-KDD数据集上进行对比实验，相比CNN-BiLSTM注意力模型，所提方法的准确率提升4.3%,F1值提升1.8%，实验结果表明，该算法能有效地对网络入侵检测进行识别。

• 单位
  北京航空航天大学; 国网甘肃省电力公司电力科学研究院