基于多任务联合学习的入侵检测方法

作者：刘源; 刘胜全^*; 刘艳

来源：东北师大学报(自然科学版), 2022, 54(01): 72-78.

DOI：10.16163/j.cnki.22-1123/n.2022.01.012

• 入侵检测
• 数据增强
• 胶囊网络
• SRU
• 多任务学习

针对目前大多数的网络入侵检测方法存在模型泛化能力较弱以及训练数据集类别不平衡等问题，考虑到网络流量同时具有时间性与空间性的特点，提出了一种基于多任务联合学习的入侵检测方法.首先对数据流量进行预处理，并将数据通过注意力层初始化其权重分布；然后通过胶囊网络(CapsuleNet)与简单循环单元(SRU)分别提取流量数据的空间局部特征与时序特征，并通过辅助任务微调隐层参数，优化少数类样本的识别；最终将特征经过融合后由softmax分类器分类.实验选用CICIDS2017数据集，同时对比了本文方法与其他方法的查准率、召回率与F1.结果表明，本文方法相比另外其他方法的查准率、召回率、F1值均有较好地提升，F1值达到99.51%.

• 单位
  新疆大学