基于多尺度融合和時(shí)空特征的網(wǎng)絡(luò)入侵檢測(cè)模型

摘要： 針對(duì)入侵檢測(cè)模型提取特征能力不足，且流量數(shù)據(jù)中含冗余噪聲的問(wèn)題，提出一種基于多尺度融合和時(shí)空特征的ML-PFN入侵檢測(cè)模型。采用多尺度特征融合技術(shù)分別提取數(shù)據(jù)中淺層特征信息和深層特征信息，使模型學(xué)習(xí)的特征更加豐富；采用軟閾值函數(shù)和注意力機(jī)制自動(dòng)選擇合適的閾值，減少噪聲及不相關(guān)信息對(duì)模型的干擾；融合時(shí)空特征構(gòu)成多尺度空間特征提取長(zhǎng)短時(shí)記憶-并行特征網(wǎng)絡(luò)(MSFE LSTM-par...