《Recurrent deep learning-based feature fusion ensemble meta-classifier approach for intelligent network intrusion detection system✩》
趁着今天有空更新一篇之前的阅读笔记,文献来自于《Computers and Electrical Engineering》期刊是SCI三区的影响因子4.0+
使用的数据集书SDN-Lot数据集,以及KDD-Cup-1999, UNSW-NB15, WSN-DS, and CICIDS-2017数据集,这些数据集在网上都有资料,大家可以自行查阅一下资料。
文章网络主体结构是:作者利用了循环深度学习模型特征提取,利用了三种类型的循环模型,分别是RNN, LSTM和GRU,循环模型能够从网络流量数据中提取网络攻击检测和分类所需的最优特征。
论文主体网络架构
数据处理情况:使用的是KPCA降维,KPCA是PCA的扩展,可以在不丢失信息的情况下降低数据的维数。
网络检测和分类:数据由三个循环模型提取特征,然后结合了输入第一阶段,使用随机森林和支持向量机进行预测,到第二阶段将预测结果进行叠加,最后使用逻辑回归进行网络攻击检测和分类。
指标选择使用的是:Accuracy,Precision,Recall, F1 score四个指标:
最后在SDN-lot数据集上的表现:
模型在SDN-lot各项指标表现