基于多模型并行融合網(wǎng)絡(luò)的惡意流量檢測方法
計(jì)算機(jī)應(yīng)用
頁數(shù): 8 2023-12-31
摘要: 針對單一串行深度學(xué)習(xí)檢測模型提取流量特征時(shí)無法完整反映原始流量信息,且惡意流量識別精度低的問題,設(shè)計(jì)多模型并行融合網(wǎng)絡(luò),提出一種基于多模型并行融合網(wǎng)絡(luò)的惡意流量檢測方法。所提方法采用并行方式,融合一維卷積神經(jīng)網(wǎng)絡(luò)(1D-CNN)與雙向長短期記憶(Bi-LSTM)網(wǎng)絡(luò)進(jìn)行特征提取和流量識別,各條支路均直接面向原始流量,同時(shí)提取流量的空間特征與時(shí)序特征,采用共同的全連接層進(jìn)行特征融... (共8頁)