0    引言

網(wǎng)絡(luò)入侵檢測（Intrusion Detection System, IDS）是一種用于監(jiān)測網(wǎng)絡(luò)活動的技術(shù)，旨在及時發(fā)現(xiàn)潛在的惡意行為、攻擊以及系統(tǒng)安全策略的違規(guī)行為。根據(jù)檢測方法的不同，網(wǎng)絡(luò)入侵檢測技術(shù)主要分為兩類：基于簽名的檢測技術(shù)（Signature-based Detection）和基于異常的檢測技術(shù)Anomalybased Detection）。隨著深度學習為代表的人工智能技術(shù)的發(fā)展，近年來研究者們已經(jīng)嘗試利用深度學習技術(shù)解決網(wǎng)絡(luò)入侵檢測中的一些挑戰(zhàn)性問題，Gao等人提出了基于深度信念網(wǎng)絡(luò)（DBN）的入侵檢測方法，實現(xiàn)了較高的檢測準確率，但在處理大規(guī)模數(shù)據(jù)時計算復雜度較高。Kim等人提出了基于長短時記憶網(wǎng)絡(luò)（LSTM）的入侵檢測方法，利用LSTM捕捉時序特征以提高檢測性能，但對于未知攻擊的檢測能力有限。Tang等人采用自編碼器（AE）對網(wǎng)絡(luò)流量進行特征提取，提高了異常檢測的性能，但在處理時序相關(guān)性方面存在不足。Niyaz等人利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）進行入侵檢測，實現(xiàn)了較高的檢測準確率，但對高階依賴關(guān)系的挖掘仍有改進空間。Vinayakumar等人采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）對惡意URL進行檢測，實現(xiàn)了較高的檢測準確率，但在實時性方面存在局限。Lo等人提出了一種基于圖卷積神經(jīng)網(wǎng)絡(luò)的入侵檢測方法，該方法利用圖結(jié)構(gòu)挖掘網(wǎng)絡(luò)數(shù)據(jù)中的關(guān)聯(lián)信息，但在處理大規(guī)模網(wǎng)絡(luò)數(shù)據(jù)時效率有待提高。Cao等人利用卷積神經(jīng)網(wǎng)絡(luò)和門控循環(huán)單元（GNU）進行網(wǎng)絡(luò)入侵檢測，有效地解決分類準確率低和類別不平衡的問題，但在處理未知攻擊和動態(tài)環(huán)境下的泛化能力方面存在挑戰(zhàn)。這些研究在網(wǎng)絡(luò)入侵檢測方面取得了一定的成果，但仍然存在一些問題。首先，許多現(xiàn)有方法對網(wǎng)絡(luò)數(shù)據(jù)的時序特征和高階依賴關(guān)系挖掘不足，導致檢測性能有限。其次，處理未知攻擊時，泛化性能有待提高。

本文詳細內(nèi)容請下載：http://www.rjjo.cn/resource/share/2000005420

作者信息：

王明

（河北科技師范學院網(wǎng)絡(luò)技術(shù)中心，河北秦皇島066001）