| 基于深度学习的网络攻击检测模型 |
| |
| 引用本文： | 禹宁,谷良,狄婷.基于深度学习的网络攻击检测模型[J].火力与指挥控制,2023,48（5）：66-74.DOI：10.3969/j.issn.1002-0640.2023.05.010 |
| |
| 作者姓名： | 禹宁 谷良 狄婷 |
| |
| 作者单位： | 1.国网山西省电力公司信息通信分公司,太原 030000 |
| |
| 基金项目： | 国网山西省电力公司科技项目 |
| |
| 摘 要： | 为提高复杂网络条件下网络攻击的检测检测精度、降低时间开销,提出一种基于卷积神经网络、双向长短时记忆网络和注意力机制融合的网络攻击检测模型GP-CABL。GP-CABL能够有效抽取网络流量的最优特征,并能够充分学习网络流量的空间和时序特征,有效提升了检测精度、降低了计算开销。实验表明,GP-CABL针对主要网络攻击识别精度可达99.87%,相较当前研究有较大性能提升,并具有较好的鲁棒性。
|
| 关 键 词： | 深度学习 网络攻击 卷积神经网络 注意力机制 |
| 收稿时间： | 2022-02-14 |
| 修稿时间： | 2022-04-29 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《火力与指挥控制》浏览原始摘要信息 |
|
点击此处可从《火力与指挥控制》下载全文 |
|
