基于多模型并行融合網(wǎng)絡(luò)的惡意流量檢測方法

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）