摘 要 深度学习与入侵检测相结合已成为当今网络空间安全的热点话题,面临不稳定的网络安全局势,如何能够准确检测出异常流量是入侵检测的重要任务.入侵数据中的每一条样本包含着多个特征,但并不是每一个特征都会决定样本的最终性质,并且某些特征反而会影响模型的判断能力.为了解决这个问题,提出了一种基于残差的双重路由深层胶囊网络的入侵检测模型.该模型使用深层胶囊网络,增强对特征的识别提取,可提取出更高维度的数据特征;使用混合注意力机制对原始数据进行处理,使模型着重关注影响因素大的特征;通过双重路由算法多方位捕捉基于向量表示的特征,并将特征进行聚类;采取残差连接和设置噪音胶囊2个策略来稳定动态路由的过程,以减轻噪音特征的干扰.最后在NSL-KDD数据集和CICIDS2017数据集上进行实验,结果表明准确率最高可达90.31%和99.23%.
关键词 入侵检测;混合注意力;动态路由;网络空间安全;胶囊网络
随着信息时代的不断发展,互联网络已经深入到了社会的方方面面,正在改变着人们的生活、学习和工作方式,同时面临的各种安全威胁也在不断增加,提供对数据的保护是安全开发人员面临的重要挑战.入侵检测