基于CNN-BLSTM-XGB的入侵檢測

摘要： 針對當(dāng)前網(wǎng)絡(luò)入侵檢測方法存在特征信息提取不全面，多分類檢測準(zhǔn)確率偏低的問題，提出一種基于CNN-BLSTM-XGB的混合網(wǎng)絡(luò)入侵檢測方法。建立基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)與雙向長短期記憶網(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)的空間與時間特征；使用Keras序貫?zāi)Ｐ椭械腃oncatenate層對這兩種特征進行融合；用極端梯度提升(XGBoost)取代傳...