基于ResNet-BiGRU的入侵检测研究

刘东; 柳毅

doi:10.16339/j.cnki.jsjsyzdh.202502002

计算技术与自动化 ›› 2025, Vol. 44 ›› Issue (02) : 9 -14. DOI: 10.16339/j.cnki.jsjsyzdh.202502002

基于ResNet-BiGRU的入侵检测研究

刘东, 柳毅

作者信息 +

Author information +

文章历史 +

PDF

摘要

随着网络流量的爆炸性增长和入侵行为的不断多样化，传统的入侵检测方法在面对海量的网络数据时，存在特征提取不充分、模型存在过拟合、检测分类的准确率不足等问题，提出了一种基于ResNet-BiGRU网络的入侵检测算法。该算法首先使用SMOTE过采样重构训练数据集以缓解正负类样本不平衡问题，提出了一种网络并行的结构充分提取特征，将卷积神经网络和双向门控单元同时提取空间尺度特征和时间序列特征，为了将空间尺度特征和时间尺度特征更好地聚合表达，设计了一个Transformer混合融合块，最后利用Softmax函数进行分类。为验证模型的有效性，在UNSW-NB15数据集进行实验，对比结果表明该模型在二分类和多分类任务上检测准确率分别达到94.1%和82.6%,结果表明提出的算法具有较高的性能和有效性。