计算机应用研究

作者：何俊鹏,罗蕾,肖堃,张海涛,李允,

单位：1.电子科技大学计算机科学与工程学院,成都611731；2.上海汽车集团股份有限公司,上海200041；3.成都为辰信息技术有限公司,成都610097；

关键词：入侵检测,人工智能,特征值分布,机器学习,深度学习,

基金：四川省重大科技专项资助项目(2018GZDZX0009)；；

为维护操作系统的安全性和可靠性，提出了一个具备泛用能力、基于人工智能模型的网络入侵检测系统框架，其主要功能是针对来自互联网里各种形式的网络流量进行检测，并嗅探出可能的入侵攻击及恶意网络连接并将其归类。该框架首先使用采样、独热编码、特征选择和归一化将网络流量实例进行预处理，获取基本信息和筛选重要特征；然后利用网络连接实例的特征值分布建立评分机制，对数据进行信息再提取；最后针对不同的网络流量形式，利用不同的基于机器学习或深度学习的模型进行结果判断。实验中使用三个公开基准数据集KDDCup99、UNSW-NB15和CICIDS2017进行训练和测试。通过与相关文献比较，发现提出方法在三个数据集的正确率和F1得分上均有着优异的表现。

来源：2021年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第9期