基于CNN-BLSTM-XGB的入侵檢測(cè)

摘要： 針對(duì)當(dāng)前網(wǎng)絡(luò)入侵檢測(cè)方法存在特征信息提取不全面，多分類檢測(cè)準(zhǔn)確率偏低的問(wèn)題，提出一種基于CNN-BLSTM-XGB的混合網(wǎng)絡(luò)入侵檢測(cè)方法。建立基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)與雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(BLSTM)的網(wǎng)絡(luò)結(jié)構(gòu)CNN-BLSTM,用于提取網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)的空間與時(shí)間特征；使用Keras序貫?zāi)Ｐ椭械腃oncatenate層對(duì)這兩種特征進(jìn)行融合；用極端梯度提升(XGBoost)取代傳... （共8頁(yè)）